'Digitale mensen' leren complexe bewegingen

Thu Nov 07 2024

11 07

'Digitale mensen' leren complexe bewegingen

31/05/2022

Door Ad Spijkers

Met kunstmatige intelligentie en simulatie kunnen patiënten sneller revalideren.


     

Onderzoekers verbonden aan het Artificial Intelligence Research Lab van Meta (Facebook) in New York City en het Neuromechanical Modelling and Engineering Lab van de Universiteit Twente hebben het open source framework MyoSuite ontwikkeld. Deze suite combineert geavanceerde musculoskeletale modellen met moderne kunstmatige intelligentie (artificial intelligence, AI). De AI gestuurde digitale modellen kunnen leren om complexe bewegingen uit te voeren en om interactie te hebben met assisterende robots. Hiervoor zouden anders langdurige experimenten met menselijke proefpersonen nodig zijn.

Modellering en simulatie

Modellering en simulatie zijn net zo belangrijk voor de gezondsheidstechnologie als ze voor de vooruitgang van de moderne auto-industrie zijn geweest. Als de wetenschap er in slaagt de uitkomst van robottherapie vooraf te voorspellen, kunnen medici de therapie optimaal afstemmen op een patiënt en een echt gepersonaliseerde en rendabele behandeling bieden.

MyoSuite ondersteunt de co-simulatie van AI gestuurde musculoskeletale systemen die fysieke interactie hebben met assisterende robots zoals exoskeletten. Met de software kunnen biologische verschijnselen zoals spiervermoeidheid, sarcopenie (een vorm van spieratrofie), peesscheuring en herstel van de peesfunctie worden gesimuleerd. Bovendien kan met behulp van simulatie het ontwerp en de aansturing van assisterende robots worden geoptimaliseerd, zodat ze kunnen worden ingezet om beweging te herstellen na letsel.

Realistisch

Doordat onze zenuw-en spiermodellen fysiologisch precies kloppen en de simulaties van de onderzoekers de fysieke realiteit exact nabootsen, zijn ook de door AI gestuurde bewegingen en processen realistisch. MyoSuite biedt nieuwe mogelijkheden om de iteratiecyclus bij het ontwerpen van een exoskelet en door robots ondersteunde behandelingen te verkleinen, iets waarvoor normaal gesproken langdurige experimenten met echte personen nodig zouden zijn.

De onderzoekers hopen dat de diverse functies die door het framework worden ondersteund nieuwe inzichten zullen opleveren in neuromechanische systemen die interactie hebben met kunstmatig intelligente robots.

Foto: Meta