Pesquisadores apregoam a eficácia de algoritmos de otimização individuais para interações humano-robô

Um paciente em recuperação de amputação de membro não usará próteses que não sejam confortáveis. Uma pessoa em recuperação de um acidente vascular cerebral não usará um exoesqueleto robótico se a mobilidade que ele proporciona não lhe permitir realizar as atividades cotidianas. E um paciente com diabetes não usará uma bomba de insulina que não forneça a dosagem adequada do medicamento para controlar o açúcar no sangue.

Todos esses desafios se enquadram em um conceito conhecido como “interação humano-robô”, uma questão crítica no projeto e na engenharia robótica. Uma nova perspectiva de pesquisadores da Escola de Engenharia e Ciências Aplicadas (SEAS) de Harvard John A. Paulson investiga uma abordagem potencial para melhorar a interação humano-robô.

A abordagem, conhecida como “otimização humana no circuito” (HILO), explora o potencial de combinar dados individuais de pacientes com algoritmos de aprendizado de máquina como uma forma de ajustar o design robótico e melhorar os resultados para métricas de desempenho específicas.

Patrick Slade, professor assistente de Bioengenharia na SEAS, foi o primeiro autor do livro Perspective, publicado em Natureza.

“Espero que esta perspectiva possa acelerar o desenvolvimento e a eficácia das interações humano-robô no desenvolvimento de sistemas robóticos, especialmente para aplicações médicas onde estes sistemas interagem com pessoas”, disse Slade.

“Tenho esperança de que esta perspectiva incentive os pesquisadores a pensar nos humanos como sistemas complexos e desafiadores para serem projetados. O HILO pode ser uma ferramenta para maximizar a eficácia dos dispositivos que interagem com as pessoas.”

A ideia de otimização humana já existe há cerca de sete anos, disse Slade, mas ainda não foi totalmente adotada no espaço da engenharia robótica. Como cada ser humano é diferente, a interação humano-robô é um conceito muito difícil de prever e projetar, o que pode retardar a inovação na área.

“Trabalhando com essas populações e dispositivos há algum tempo, percebi que quando as pessoas são apresentadas a um novo dispositivo, suas concepções sobre o dispositivo, o que desejam e como podem usá-lo, mudam à medida que se acostumam com ele.” ele disse.

“É um alvo móvel com desafios duplos, onde você precisa que eles entendam e se adaptem ao dispositivo, e também deseja fornecer-lhes algo que proporcione um benefício ao usuário e seja aceitável para uso regular.

“HILO pode ajudar a informar como deve ser a interação humano-robô para melhorar qualquer métrica humano-robô que seja importante para essa população. Saber que interação humano-robô eficaz é necessária, por exemplo, que torque fornecer com um exoesqueleto de tornozelo para ajudar as pessoas pós-AVC para andar com mais rapidez e eficiência, pode informar o desenvolvimento de dispositivos eficazes.

“O HILO também pode maximizar o desempenho de um dispositivo comercial existente, ajustando sistematicamente a forma como esse dispositivo interage com o usuário. Vimos uma assistência otimizada dobrar os benefícios em comparação com um controlador genérico para um dispositivo de exoesqueleto de tornozelo, mostrando que o HILO pode ter um grande impacto nos resultados dos pacientes sem sequer alterar o hardware do dispositivo.”

Embora chamado de algoritmo de otimização, Slade o descreveu como mais próximo de um algoritmo de “personalização”, na medida em que utiliza dados pessoais para otimizar o dispositivo para cada paciente. E como é baseado em algoritmos de aprendizado de máquina, os ajustes ideais podem ser encontrados rapidamente e sem que um engenheiro precise analisar vários projetos potenciais.

“Um desafio no campo da robótica é que as pessoas muitas vezes são tratadas como robôs”, disse Slade. “As pessoas são complexas e muitas vezes não respondem à assistência robótica de uma forma previsível. Este artigo apresenta a ideia de que muitas das nossas intuições de investigação sobre a interação humano-robô não são boas porque as pessoas são muito complexas.

“Se admitirmos isso, podemos usar esta abordagem sistemática para otimizar a assistência e realmente acelerar o campo. A adoção do HILO realmente aceleraria o campo e os pacientes veriam mais benefícios.”

Slade vê o HILO como especialmente valioso nos estágios iniciais do projeto, quando a pesquisa ainda está sendo feita em laboratórios, em vez de testes de campo em projetos concluídos ou quase concluídos. Durante esses estágios iniciais, os engenheiros normalmente testam vários projetos e funções diferentes para tentar encontrar um que atenda ao que eles determinam ser as métricas de desempenho mais importantes.

Exemplos de métricas em dispositivos médicos, por exemplo, incluem contração muscular, fadiga, velocidade de caminhada, frequência cardíaca, níveis de glicose no sangue ou outras medidas de melhoria da mobilidade.

Usando algoritmos HILO, os projetistas podem determinar rapidamente se um projeto precisa ser ajustado com base nos dados individuais do paciente para maximizar seu benefício.

“O HILO permite identificar as interações significativas e, em seguida, construir um dispositivo portátil com base no que você aprendeu”, disse ele. “Em vez de construir múltiplas interações de um dispositivo portátil, você poderia fazer isso de uma só vez, o que poderia ajudar a acelerar o campo.”

Por outro lado, a perspectiva de Slade sugere que mesmo projetos em estágio avançado ou produtos já existentes no mercado ainda poderiam se beneficiar desses algoritmos de otimização. HILO é semelhante a obter uma prescrição de óculos, ajustando sistematicamente a interação humano-robô para alcançar o resultado desejado, semelhante a uma nova prescrição.

“Você tem um dispositivo, otimiza o controlador e agora tem um controlador mais personalizado e vê melhores benefícios”, disse ele. “Vimos em alguns estudos que os dispositivos portáteis existentes podem duplicar o seu desempenho se aplicarmos o HILO.

“É o mesmo hardware – você apenas atualiza o controlador e, de repente, seu dispositivo é duas vezes mais eficaz. Isso é emocionante. Você poderia passar anos desenvolvendo algo e, de repente, dobrar o desempenho apenas ajustando sistematicamente o humano- interação do robô.”