مترجم:رضا محمدي
در سال‌هاي اخير استفاده از تكنولوژي‌هاي نرم و پوشيدني براي كمك به افرادي كه از مشكلات حركتي رنج مي‌برند به خوبي رواج يافته و باعث شده است اميد به زندگي در اين افراد افزايش چشمگيري پيدا كند البته روش‌هاي به كار رفته براي هر گروه از بيماران يا معلولان متفاوت است. تكنولوژي‌هاي واقعيت افزوده، واقعيت مجازي و واقعيت تركيبي، سه راهكار مدرن و البته مجزا به حساب مي‌آيند كه تجربه نويني را در استفاده از دستگاه‌هاي الكترونيكي، پيش‌روي كاربران قرار مي‌دهند. با اين ديد، در شهر سخت‌افزار نگاهي دقيق‌تر به اين تكنولوژي‌ها خواهيم داشت.
با ادغام تكنولوژي‌هاي جديد در دستگاه‌هاي الكترونيكي پركاربرد و محبوب، يادگيري مفاهيم، سازوكار و نحوه بهره‌برداري از آنها هم اهميت بيشتري پيدا مي‌كند. تكنولوژي‌هاي واقعيت افزوده، واقعيت مجازي و واقعيت تركيبي نيز از اين قاعده مستثني نيستند. اين تكنولوژي‌ها حالا در طيف قابل توجهي از دستگاه‌هاي الكترونيكي نظير گوشي‌هاي هوشمند يا هدست‌ها استفاده شده‌اند تا تجربه جديدي را پيش‌روي كاربران قرار دهند. اين در حالي است كه نزديك بودن اين مفاهيم به يكديگر، تا حدودي باعث شده است كاربران از تشخيص تفاوت ميان آنها عاجز بمانند.
اكنون محققان يك الگوريتم يادگيري ماشين كارآمد را ايجاد کرده‌اند كه مي‌تواند به سرعت از استراتژي‌هاي كنترل شخصي براي تكنولوژي‌هاي نرم و پوشيدني استفاده كند.
يو دينگ، محقق و نخستين نويسنده اين تحقيق، مي‌گويد: «اين روش جديد يك راه مؤثر و سريع براي بهينه‌سازي تنظيمات پارامترهاي كنترل براي وسايل پوشيدني كمكي است. با استفاده از اين روش، ما بهبود قابل ملاحظه‌اي را در عملكرد متابوليك براي افراد دارنده يك دستگاه كمك‌رساني مفصل ران به دست آورديم.»
وقتي انسان‌ها راه مي‌روند، ما به طور مداوم با تغيير در حركت، انرژي را صرفه‌جويي مي‌كنيم .(همچنين به عنوان بهاي متابوليك شناخته مي‌شود)
ميهاينگ كيم يكي ديگر از پژوهشگران اين طرح مي‌گويد: «پيش از اين، اگر شما سه كاربر مختلف را با ابزارهاي كمك كننده داشتيد، به سه راهكار كمك كننده متفاوت نيز نياز خواهيد داشت. پيدا كردن پارامترهاي كنترل مناسب براي هر كاربر به عنوان يك فرايند دشوار و گام به گام مورد استفاده قرار مي‌گيرد، زيرا نه تنها همه انسان‌ها كمي متفاوت عمل مي‌كنند، بلكه آزمايش‌هايي كه نياز به تنظيم پارامترهاي دستي دارند پيچيده و زمانبر هستند.» محققان از بهينه‌سازي به اصطلاح انسان در حلقه كه از اندازه‌گيري زمان واقعي سيگنال‌هاي فيزيولوژيكي بدن مانند ميزان نفس براي تنظيم پارامترهاي كنترل دستگاه استفاده مي‌كنند. همانطور كه الگوريتم در بهترين پارامترها ثابت شده است، آن را براي زمان و مكاني كه نيروي كمكي خود را براي بهبود ترشحات مفصلي ارائه مي‌دهد، هدايت مي‌كند.
محققان معتقدند الگوريتم‌هاي بهينه‌سازي و يادگيري بر دستگاه‌هاي روباتيك پوشيدني آينده كه براي كمك به طيف وسيعي از رفتارها طراحي شده است، تأثير زيادي خواهد داشت. اين نتايج نشان مي‌دهد كه بهينه‌سازي حتي كنترل كننده‌هاي بسيار ساده مي‌تواند مزاياي قابل توجه و منحصر‌به فردي براي كاربران در حين راه رفتن ارائه دهد. گسترش اين ايده‌ها براي در نظر گرفتن استراتژي‌هاي كنترل بيشتر و افرادي كه نياز و توانايي‌هاي متنوعي دارند، گام بعدي هيجان انگيزي خواهد بود. ما تنها با بهينه‌سازي سطح مفصل ران، كاهش شديد هزينه‌هاي متابوليكي را نشان داديم. اين نشان مي‌دهد كه با يك مغز بزرگ و سخت افزار عالي، مي‌توانيد چه كارهايي انجام دهيد.»
پيش از اين محققان دستگاه‌هاي كمك كننده را براي افراد دچار مسائل مربوط به تحرك ايجاد كردند. كساني كه به سختي راه مي‌رفتند و نياز به يك دستگاه پوشيدني داشتند. اين وسيله در واقع يك تكنولوژي است كه مي‌تواند در زمان مناسب كمك درستي را ارائه دهد اما اطمينان از اينكه به درستي كار مي‌كند، هرگز فرايند ساده و آساني نيست.
منبع:ساينس ديلي
