本月初，加拿大滑铁卢大学的研究人员更新了第一个开源的人类运动场景高分辨率可穿戴相机图像数据库。在此基础上，可使用AI和可穿戴相机，让外骨骼机器人实现自主行走。

外骨骼机器人是指套在人体外部的机器人，也称“可穿戴的机器人”。该机器人具有传感、控制、信息、融合、移动计算等功能，操作者可以将其绑在腿上，帮助他们增强或恢复身体机能。

▲滑铁卢大学研究者借助团队的外骨骼机器人完成行走动作

一、外骨骼机器人运用方式：从手控到机器自主

外骨骼机器人运用之初，通常需要依靠操作者手动控制来切换运动模式。

布罗科斯瓦夫·拉绍夫斯基（Brokoslaw Laschowski）是滑铁卢大学这项研究的主要研发人员之一，他说道：“每次你想改变移动方式时，都需要依赖操纵杆或智能手机应用程序来操作外骨骼机器人，从坐到站、站到行、地面行走到上下楼梯都需要这样做。”这对操作者来说是很大的负担。

如何让外骨骼机器人自动识别何时切换运动模式？

▲加州理工学院研究人员使用外骨骼机器人进行步行演示

科学家曾将传感器附着在腿部，这种方法可以检测从大脑发送到肌肉的生物电信号，告诉他们移动。

然而，这种方法也存在一些问题，例如皮肤出汗时，皮肤导电性将受到影响。

二、准确率超七成，外骨骼机器人自动识别行走环境

拉绍夫斯基团队正在尝试一种新方法：为用户安装可穿戴相机，为机器提供视觉数据，使其能够自主操作。机器人配备的AI软件可以分析这些数据，以识别周围环境的楼梯、门和其他特征，并计算如何做出最佳响应。

让外骨骼机器人实现任意行走环境下的自动识别，则需要大量数据。

拉绍夫斯基领导了第一个人类运动场景高分辨率可穿戴相机图像的开源数据库——ExoNet项目。该数据库拥有超过560万张室内和室外真实步行环境的图像。

▲ExoNet项目介绍界面

拉绍夫斯基指出，团队使用这些数据来训练深度学习算法。尽管可穿戴相机感知的不同表面和物体存在巨大差异，但他们团队的深度卷积神经网络已经能够以73%的准确度自动识别不同的行走环境。

同时，拉绍夫斯基也表明，AI对图片的深度学习也会使其依赖传统二维图像，在户外照明和距离增加时，AI测量准确性通常会下降。

其他研究者也正在将AI和可穿戴相机用于让外骨骼机器人自主行走。

北卡罗来纳州的研究人员将可穿戴相机安装在眼睛或膝盖上，让志愿者穿过各种室内和室外环境，捕捉外骨骼机器人可能用来观察周围世界的图像数据。

北卡罗来纳州立大学电气工程研究员埃德加·洛巴顿表示，他们专注于AI软件如何减少因运动模糊或过度曝光图像等因素而产生的不确定性，以确保安全运行。“我们希望确保AI集成到硬件产品之前，我们能够真正依赖它。”

三、自动驾驶为灵感，提高外骨骼机器人稳定性

未来，拉绍夫斯基和他的同事将专注于提高环境分析软件的准确性，帮助外骨骼机器人更好地完成实时操作。

洛巴顿和他的团队还探索如何处理动作给视觉系统带来的不确定性因素。

ExoNet研究人员希望探索AI软件如何将命令传输给外骨骼机器人，以便机器人可以根据系统对用户周边地形进行分析，执行爬楼梯或避免障碍物等任务。拉绍夫斯基说，以自动驾驶汽车为灵感，他们正寻求开发无需人工投入即可完成步行任务的自主外骨骼机器人。

与此同时，拉绍夫斯基所在团队也正在考虑年迈、残疾人等行动不便者操作外骨骼机器人的场景安全性。“用户安全至关重要，如果骨骼机器人的分类算法或控制器做出错误决定，用户要始终有能控制它的能力。”

结语：自主化是生物助力机器人未来趋势

外骨骼机器人作为机器人领域的一个分支，自1960年起研究从未间断，但如何利用传感器准确获取人体意图一直是待解决的难题。

如今在AI和可穿戴相机的加持下，外骨骼机器人这一生物助力机器人的发展与落地均将加速，拓展其商用和民用市场。