하버드대학교 SEAS와 위스 연구소 연구원들이 착용형 외골격 체계 소프트 엑소슈트용으로 개인맞춤 제어 전략을 빠르게 조정하는 효율적 기계학습 알고리즘을 개발하였다.

하버드대학교에서 설계 중인 엑소슈트 같은 연성 보조장비는 착용자와 로봇이 동조해야 하지만 모든 인간이 조금씩 다르게 움직이므로 로봇 변수를 개별 사용자에 맞춰 조정하는 것은 시간이 많이 소요되고 비효율적이다.

새로운 알고리즘은 호흡수 등의 인간 생리신호를 실시간으로 측정하여 장비의 제어 변수를 조정하는 방식으로, 베이지안 최적화(BayesianOptimization) 접근법을 사용하여 빠르게 최적의 변수를 찾아내 고관절 신장을 개선하기 위해 언제 어느 위치에 보조력을 전달해야 할지를 엑소슈트에 송출한다.

장비 미착용 보행에 비해 대사비용이 17.4% 감소(이전 연구 대비 60% 이상 개선)했다. -온라인 최적화 알고리즘을 이용하면 체계가 약 20분 내에 자동으로 방법을 학습 -다음 목표는 이 최적화 방법을 동시에 고관절,발목관절 등 여러 개의

<자료 및 사진 출처 : Harvard uses machine learning for personalized control of wearable exosuits, nextbigfuture.com, 국방기술품질원 >