截肢后恢复的病人不会使用不舒服的假肢。如果中风恢复期的患者无法完成日常活动，就不会使用外骨骼机器人。糖尿病患者不会使用胰岛素泵，因为它不能提供适当剂量的药物来控制血糖。

　　所有这些挑战都属于一个被称为“人机交互”的概念，这是机器人设计和工程中的关键问题。哈佛大学约翰·A·保尔森工程与应用科学学院（SEAS）的研究人员从一个新的角度研究了一种改善人机交互的潜在方法。

　　这种方法被称为“人在循环优化”（HILO），它探索了将个体患者数据与机器学习算法相结合的潜力，以此来微调机器人设计并改善特定性能指标的结果。

　　SEAS生物工程助理教授帕特里克·斯莱德（Patrick Slade）是发表在《自然》杂志上的《透视》的第一作者。

　　斯莱德说：“我希望在开发机器人系统时，这种观点可以加速人机交互的发展和有效性，特别是在这些系统与人交互的医疗应用中。”

　　“我希望这一观点能鼓励研究人员将人类视为复杂的、具有挑战性的设计系统。HILO可以成为一种工具，最大限度地提高与人互动的设备的有效性。”

　　Slade说，人在循环优化的想法已经存在了大约七年，但尚未完全应用于机器人工程领域。因为每个人都是不同的，人机交互是一个很难预测和设计的概念，这可能会减缓该领域的创新。

　　“在这些人群和设备上工作了一段时间，我发现当人们接触到一种新设备时，他们对设备的概念，他们想要什么以及他们如何使用它，随着他们习惯它而改变，”他说。

　　“这是一个具有双重挑战的移动目标，你需要他们理解和适应设备，你也希望为他们提供一些对用户有益的东西，并且可以接受常规使用。

　　“HILO可以帮助了解人机交互应该是什么，以改善对该人群重要的任何人机指标。了解需要什么样的有效人机交互，例如，脚踝外骨骼提供多大的扭矩来帮助中风后的人更快、更有效地行走，可以为有效设备的开发提供信息。

　　HILO还可以通过系统地调整设备与用户的交互方式，最大限度地提高现有商用设备的性能。我们已经看到，与踝关节外骨骼设备的通用控制器相比，优化后的辅助系统的益处翻了一番，这表明HILO甚至可以在不改变设备硬件的情况下对患者的预后产生重大影响。”

　　虽然被称为优化算法，但斯莱德将其描述为更接近于“个性化”算法，因为它使用个人数据来针对个体患者优化设备。由于它是基于机器学习算法，因此可以快速找到最佳调整，而无需工程师在多个潜在设计中倾注精力。

　　“机器人领域的一个挑战是，人们经常被当作机器人对待，”斯莱德说。“人是复杂的，通常不会以一种可预测的方式对机器人的帮助做出反应。本文提出的观点是，由于人是非常复杂的，我们对人机交互的许多研究直觉并不好。

　　“如果我们承认这一点，我们就可以使用这种系统方法来优化辅助，并真正加速该领域的发展。采用HILO将真正加速该领域的发展，患者将看到更多的好处。”

　　Slade认为HILO在早期设计阶段尤其有价值，此时研究仍在实验室中进行，而不是在完成或接近完成的设计中进行现场测试。在这些早期阶段，工程师通常会测试许多不同的设计和功能，试图找到一个满足他们认为最重要的性能指标的设计和功能。

　　例如，医疗设备中度量标准的示例包括肌肉收缩、疲劳、步行速度、心率、血糖水平或其他改善移动性的措施。

　　使用HILO算法，设计人员可以快速确定是否需要根据个别患者数据调整设计，以最大限度地提高其效益。

　　他说：“HILO允许你识别有意义的互动，然后根据你所学到的知识构建一个便携式设备。”“你可以在一次拍摄中完成，而不是在便携式设备上建立多个交互，这可能有助于加速磁场。”

　　相反，Slade的观点表明，即使是后期设计或已经上市的产品也可以从这些优化算法中受益。HILO类似于获得眼镜处方，系统地调整人机交互以达到预期效果，类似于新处方。

　　“你有了一个设备，你优化了控制器，现在你有了一个更个性化的控制器，并看到了更好的好处，”他说。“我们从一些研究中看到，如果应用HILO，现有的便携式设备的性能可以翻倍。

　　“这是相同的硬件，你只需更新控制器，突然之间你的设备的效率就提高了一倍。这是令人兴奋的。你可以花费数年的时间开发一些东西，然后通过系统地调整人机交互，突然将性能提高一倍。”

　　更多信息：Patrick Slade等，On human-in-the-loop optimization of human-robot interaction, Nature（2024）。DOI: 10.1038/s41586-024-07697-2期刊信息：自然由哈佛大学约翰a保尔森工程与应用科学学院提供引文：研究人员吹捧人机交互的个人优化算法的有效性（2024年，10月14日）检索自2024年10月14日https://techxplore.com/news/2024-10-tout-effectiveness-individual-optimization-algorithms.html本文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。