Pacijent koji se oporavlja od amputacije ekstremiteta neće koristiti protezu koja nije udobna. Osoba koja se rehabilituje od moždanog udara neće koristiti robotski egzoskelet ako mu mobilnost koji mu daje ne dozvoljava da obavlja svakodnevne aktivnosti. A pacijent sa dijabetesom neće koristiti insulinsku pumpu koja ne isporučuje odgovarajuću dozu leka za kontrolu šećera u krvi.
Svi ovi izazovi potpadaju pod koncept poznat kao „interakcija čovek-robot“, kritično pitanje u robotskom dizajnu i inženjeringu. Nova perspektiva istraživača sa Harvardske škole za inženjerstvo i primenjene nauke (SEAS) se bavi potencijalnim pristupom poboljšanju interakcije čoveka i robota.
Pristup, poznat kao „optimizacija čoveka u petlji“ (HILO), istražuje potencijal kombinovanja podataka o pojedinačnim pacijentima sa algoritmima mašinskog učenja kao način za fino podešavanje robotskog dizajna i poboljšanje rezultata za specifične metrike učinka.
Patrick Slade, docent za bioinženjering na SEAS-u, bio je prvi autor knjige Perspective, koja je objavljena u časopisu Priroda.
„Nadam se da ova perspektiva može ubrzati razvoj i efikasnost interakcije čoveka i robota pri razvoju robotskih sistema, posebno za medicinske aplikacije gde ovi sistemi komuniciraju sa ljudima“, rekao je Slade.
„Nadam se da će ova perspektiva podstaći istraživače da razmišljaju o ljudima kao o složenim, izazovnim sistemima za koje treba dizajnirati. HILO može biti alat za maksimiziranje efikasnosti uređaja koji komuniciraju sa ljudima.“
Ideja o optimizaciji čoveka u petlji postoji već oko sedam godina, rekao je Slade, ali tek treba da bude u potpunosti usvojena u prostoru robotskog inženjeringa. Pošto je svaki čovek drugačiji, interakcija čoveka i robota je veoma težak koncept za predviđanje i projektovanje, što može usporiti inovacije u ovoj oblasti.
„Radeći sa ovim populacijama i uređajima neko vreme, video sam da se, kada se ljudi upoznaju sa novim uređajem, njihova koncepcija uređaja, šta žele i kako mogu da ga koriste, menjaju kako se naviknu na njega“, rekao je.
„To je pokretna meta sa dvostrukim izazovima, gde vam je potrebno da razumeju i prilagođavaju se sa uređajem, a takođe želite da im pružite nešto što pruža korist korisniku i što je prihvatljivo za redovnu upotrebu.
„HILO može pomoći da se informiše kakva bi interakcija čovek-robot trebalo da bude da bi se poboljšala bilo koja metrika čoveka i robota koja je važna za tu populaciju. Znajući koja je efikasna interakcija čovek-robot potrebna, na primer, koji obrtni moment da obezbedi egzoskelet skočnog zgloba da bi se pomogao ljudima posle moždanog udara da hoda brže i efikasnije, može da informiše razvoj efikasnih uređaja.
„HILO takođe može da maksimizira performanse postojećeg komercijalnog uređaja sistematskim podešavanjem načina na koji taj uređaj komunicira sa korisnikom. Videli smo da optimizovana pomoć udvostručuje prednosti u poređenju sa generičkim kontrolerom za uređaj sa egzoskeletom skočnog zgloba, pokazujući da HILO može imati veliki uticaj na ishode pacijenata čak i bez promene hardvera uređaja.“
Iako je nazvan optimizacijskim algoritmom, Slade ga je opisao kao bliži algoritmu „personalizacije“, jer koristi lične podatke za optimizaciju uređaja za pojedinačnog pacijenta. A pošto se zasniva na algoritmima mašinskog učenja, optimalna podešavanja se mogu pronaći brzo i bez potrebe inženjera da prođe kroz više potencijalnih dizajna.
„Jedan izazov u oblasti robotike je da se ljudi često tretiraju kao roboti“, rekao je Slade. „Ljudi su kompleksni i često ne reaguju na robotsku pomoć na predvidljiv način. Ovaj rad postavlja ideju da mnoge naše istraživačke intuicije o interakciji između ljudi i robota nisu sjajne jer su ljudi veoma složeni.
„Ako to priznamo, možemo koristiti ovaj sistematski pristup da optimizujemo pomoć i zaista ubrzamo polje. Usvajanje HILO-a bi zaista ubrzalo polje, a pacijenti bi videli više koristi.“
Slade zamišlja HILO kao posebno vredan u najranijim fazama projektovanja, kada se istraživanja još uvek rade u laboratorijama, za razliku od terenskog testiranja gotovih ili skoro gotovih dizajna. Tokom tih ranih faza, inženjeri obično testiraju brojne različite dizajne i funkcije kako bi pokušali da se uklope u onaj koji ispunjava sve što oni odrede kao najvažnije metrike performansi.
Primeri metrike u medicinskim uređajima, na primer, uključuju kontrakciju mišića, umor, brzinu hodanja, broj otkucaja srca, nivo glukoze u krvi ili druge mere poboljšane mobilnosti.
Koristeći HILO algoritame, dizajneri bi mogli brzo da utvrde da li dizajn treba da se prilagodi na osnovu podataka o pojedinačnim pacijentima kako bi se maksimizirala njegova korist.
„HILO vam omogućava da identifikujete značajne interakcije, a zatim napravite prenosivi uređaj na osnovu onoga što ste naučili“, rekao je on. „Umesto da gradite više interakcija prenosivog uređaja, to biste mogli da uradite u jednom snimku, što bi moglo pomoći da se ubrza polje.
Suprotno tome, Sladeova perspektiva sugeriše da čak i dizajn u kasnoj fazi ili proizvodi koji su već na tržištu mogu imati koristi od ovih algoritama optimizacije. HILO je sličan dobijanju recepta za naočare, sistematski podešava interakciju čoveka i robota da bi se postigao željeni ishod, slično novom receptu.
„Imate uređaj, optimizujete kontroler, a sada imate personalizovaniji kontroler i vidite bolje prednosti“, rekao je on. „Videli smo iz nekoliko studija da postojeći prenosivi uređaji mogu da udvostruče svoje performanse ako primenite HILO.
„To je isti hardver — samo ažurirate kontroler i odjednom je vaš uređaj dvostruko efikasniji. To je uzbudljivo. Možete provesti godine razvijajući nešto, a onda odjednom udvostručiti performanse samo sistematskim podešavanjem čoveka – interakcija robota.“
