En datoralgoritm har påskyndat anpassningen av personer med ett amputerat ben till en robotprotes. Som ett resultat reducerades tiden för att starta oberoende promenader från några timmar till minuter. En beskrivning av utvecklingen publicerades i IEEE Transactions on Cybernetics.
Ett av de mest lovande alternativen för modern konstgjord intelligens är förstärkningslärande. Inom ramen för detta tillvägagångssätt försöker datorprogrammet automatiskt lösa problemet, samtidigt som det får "belöningar" för goda resultat. AlphaZero-programmet är baserat på denna princip, som har lyckats vinna de bästa mänskliga idrottare i brädspelet Go, och spelar också imponerande i andra spel som schack, Dota 2 och Starcraft II.
I det nya arbetet tog forskarna en liknande strategi för att utveckla programvara för en robotprotese. Resultatet testades på en patient med en amputerad lem precis ovanför knäet. Vanligtvis behöver sådana människor många timmars träning för att röra sig utan hjälp, liksom långa manuella justeringar av protesen av specialister för att matcha de individuella egenskaperna för promenader. Den nya algoritmen tillät den funktionshindrade personen att gå på egen hand efter 10 minuter.
Inställningen av protesen är komplex och innehåller 12 parametrar som styr egenskaper såsom knästyvhet och rörelseområde när man svänger benet. Algoritmen tränades på en ganska liten uppsättning data som samlats in av speciella sensorer på proteser från andra människor med amputerade ben. Författarna noterar att trots de imponerande resultaten är algoritmen fortfarande långt ifrån storskalig applikation, eftersom den för tillfället endast är utformad för att gå på en rak yta. I framtiden kommer forskarna att lägga till nya rörelser, främst klättring och stigande trappor, samt testa utvecklingen på fler människor i behov.