ネイチャーニュース：AIが外骨格を「破壊」し、強靭な体を作る

寄稿者: スー・ハオ (ノースカロライナ州立大学およびノースカロライナ大学チャペルヒル校教授)

外骨格ロボットは人の歩行を助けることができるが、通常は実験室環境に限定されており、各ユーザーに合わせてロボットのソフトウェアアルゴリズムを調整するのに30分から1時間かかる。

最近、ノースカロライナ州立大学とノースカロライナ大学チャペルヒル校のスー・ハオ教授のチームが、「シミュレーション学習による実験不要の外骨格支援」と題する画期的な研究論文を、世界トップクラスの学術誌「ネイチャー」に発表しました。

この論文では、コンピュータシミュレーション環境で強化学習を通じてロボットが制御戦略を学習する新しい方法を紹介します。この「シミュレーション学習」を通じて、この方法によってロボットをインテリジェントにすることができ、特にさまざまな人に適応する一般化能力を高めることができることが研究で示されました。歩く、走る、階段を上るなどのさまざまな動作に自律的に適応できるだけでなく、歩行中に人間のエネルギーを大幅に節約するのにも役立ちます。

この研究は外骨格技術における大きな進歩であり、ロボットをよりインテリジェントかつ実用的なものにし、高齢者、運動障害のある人、身体障害者の生活の質を大幅に向上させることが期待されます。

外骨格の知能と汎用性を実現する革新的な人工知能「シミュレーション学習」フレームワーク

外骨格は、外部からの動力を供給し、強度と安定性を高めることで人間の動きを補助する着用型ロボットです。人間の動きを改善し、障害を持つ人々の運動能力を回復させ、人々の健康と生活の質を大幅に向上させることができます。

「科学技術は人間中心で、人々に役立ち、現実世界の問題を解決するべきだというのが私たちの哲学です」と、論文の責任著者であり、ノースカロライナ州立大学とノースカロライナ大学チャペルヒル校の教授であるスー・ハオ氏は述べた。「既存の外骨格制御アルゴリズムは、通常、数時間にわたる人体実験とパラメータ調整を必要とし、これは時間と労力を要するプロセスであり、外骨格の広範な使用を妨げています。この革新的な人工知能フレームワークは、シミュレーションと現実のギャップを解消します。純粋なコンピューターシミュレーション、つまりデジタルツインアプローチを通じて、このモデルとデータ駆動型の強化学習アルゴリズムにより、外骨格は歩く、走る、階段を上るなどのさまざまな動作を効果的に支援し、人間のエネルギー消費を削減します。これは、体重を11.9キロ減らすことに相当します。」

この技術の実現可能性を探るため、論文の筆頭著者である Luo Shuzhen 博士 (元 Su Hao 教授のポスドク研究員で、現在はエンブリー・リドル大学の助教授) が 4 年間の研究を実施しました。彼女は次のように話しています。「私たちはまず、高忠実度の筋骨格モデルを作成し、3 つのディープニューラルネットワークのクローズドループシミュレーショントレーニングメソッドを設計しました。このメソッドは、人間モデル (動作模倣ネットワークと筋肉協調ネットワークを含む) と外骨格コントローラー (ニューラルネットワークの制御戦略) を統合し、状態情報を交換することで人間とコンピューターの相互作用プロセスを正確にシミュレートします。この「シミュレーションによる学習」メソッドにより、トレーニングされたコントローラーは、人間による実験やデバッグなしで、さまざまな動作パターンに適応した支援をリアルタイムで生成できます。」

蘇昊教授のチームは、シミュレーションを通じて学習したコントローラーを、それぞれ 8 人の健康な被験者が参加する 3 つの活動 (歩く、走る、階段を上る) で実験しました。実験結果によると、コントローラーによって生成された支援曲線は、人間の介入なしに、さまざまな種類のアクティビティに応じて自動的に調整できることがわかりました。たとえば、移動速度が徐々に増加すると、コントローラーによって生成されるパワーアシストの量も増加し、さまざまなアクティビティのパワーアシスト要件に適応するために曲線の形状も変化します。この機能を実現するための鍵は、コントローラが被験者の大腿部に装着された慣性計測ユニットセンサーから提供される大腿部の運動情報を入力として完全に利用し、数百万回のシミュレーショントレーニングを通じて入力された運動信号を通じて適切な補助を直接出力する能力をコントローラが習得していることです。「当社のコントローラーは、エンドツーエンドで適切な支援を生成できます。既存の方法のほとんどは、多くの追加の中間ステップを必要とし、面倒な手動パラメータ調整プロセスにつながり、コントローラーの一般化能力にも影響を及ぼします」とSu Hao教授は述べています。同時に、同じ速度での活動であっても、被験者によって動き方は異なるため、コントローラーは被験者ごとにわずかに異なるパワーアシスト曲線を生成します。「私たちの研究のハイライトの 1 つは、コントローラーによって生成される力が人によって異なることです。コントローラーは、一定の形の力を与えるのではなく、それ自体を調整します。」

さらに実験した結果、コントローラーを使用すると、被験者の平均代謝率は、歩行時には 24.3%、走行時には 13.1%、階段を上るときには 15.4% 低下することが分かりました。これらの削減は、ポータブル下肢外骨格を使用したこれまでの研究で達成されたエネルギー削減を上回っており、上記の結果は、シミュレーションを通じて学習された外骨格コントローラがさまざまな人間の活動に大きな助けとなることを示しています。

図｜シミュレーション学習による実験不要の外骨格アシストの最適化

人体実験の必要がなくなり、外骨格の開発が急速に進む

この研究の核心は、シミュレーション学習を使用して、コンピューターシミュレーションと実際のアプリケーションの間のギャップを埋めることです。研究チームは、コントローラーがさまざまな活動で効果的な支援を生成できるようにするために、何百万回ものシミュレーショントレーニングを実施しました。このアプローチは開発効率を向上させるだけでなく、費用と時間のかかる人体実験への依存を減らし、外骨格の急速な開発と広範な応用への実現可能な道筋を提供します。

図｜シミュレーション学習フレームワーク

効率的な支援を実現するために継続的なマルチアクションをサポート

張彩南博士（蘇教授の元博士課程の学生で、現在は博士研究員、著者の一人）は次のように語っています。「これは、具現化された知能の研究です。私たちのアルゴリズムは、私たちが独自に開発した、最も軽量な動力付きウェアラブルロボットである外骨格に基づいています。この研究のハイライトは、外骨格が複数の動作を継続的にサポートできることです。実験では、外骨格を装着した被験者は、複数の動作をシームレスに接続できます。たとえば、ユーザーはゆっくりとした歩行から徐々に加速して走り、その後すぐに階段を上る動作に切り替えます。外骨格は、プロセス全体を通じて安定して効果的な支援を提供できます。強化学習によって得られた制御戦略を通じて、外骨格は支援のサイズとタイミングをリアルタイムで調整し、各動作が適切な支援を受けられるようにすることができます。」継続的な動作を支援するこの機能により、外骨格の実用性とユーザーエクスペリエンスが大幅に向上し、さまざまなスポーツにおける外骨格技術の可能性が実証されます。

図 |さまざまな活動やスポーツの移行中のパワーカーブ

幅広い応用の可能性

この研究成果は、外骨格技術の発展における重要なマイルストーンとなります。外骨格装置は、一般人の運動能力を大幅に向上させるだけでなく、障害を持つ人が運動能力を取り戻すのにも役立ちます。ニュージャージー工科大学の羅樹珍博士、蘇昊教授、周先聯教授は、米国最大のリハビリテーション研究センターの一つであるケスラー財団の悦光輝教授と協力し、シミュレーション学習を利用したリハビリテーションロボットの制御について研究しました。周先恆教授は次のように述べた。「シミュレーション学習は、リハビリテーションロボットの制御に非常に良い応用の可能性があると思います。運動リハビリテーションを必要とする患者は状態が異なり、したがって支援ニーズも異なります。当社のシミュレーション学習技術は適応性に優れており、さらにカスタマイズされた補助制御を実現することも可能です。」研究チームは、このシミュレーション学習フレームワークをさらに最適化し推進することで、ウェアラブルロボットが将来、医療、産業、日常生活においてより広範な役割を果たすようになると考えています。

この研究の著者には、Hao Su教授、Shuzhen Luo教授、Menghan Jiang教授、Sainan Zhang教授、Junxi Zhu教授、Shuangyue Yu教授、Israel Dominguez教授、Tian Wang教授、Xianlian Zhou教授、ミシガン大学のElliott Rouse教授、カリフォルニア大学ロサンゼルス校のBolei Zhou教授、韓国科学技術院のHyunwoo Yuk博士などが含まれています。