机器人肢体并不是截肢者的完美解决方案。技术人员通常花费数小时手动调整它们，直到它们与人类佩戴者的步态完美结合，并且需要更多时间教导那些佩戴者如何独立使用它们。但现在，AI可以对其进行训练，更好地帮助截肢者。

人工智能的这一新应用基于强化学习，实验涉及一名身体健全的人和一名截肢者。相比之下，强化学习技术自动调整机器人膝盖，使假肢佩戴者能够在10分钟内在平地上平稳行走。

北卡罗来纳州立大学和北卡罗来纳大学的生物医学工程教授Helen Huang表示，“到目前为止，这项研究只是为了表明这样做是可行的。这本身就非常令人兴奋。”

Huang 和同事发表了他们的研究结果。他们的研究标志着自动化调整过程可能迈出了第一步，而如果手动调整则昂贵且耗时，这也可能最终允许假肢使用者在家或在旅途中调整他们的机器人肢体。

这个调整过程集中于确定使用机械臂时力和运动之间关系的特定参数。例如，一些参数可以定义机器人膝关节的刚度或在前后摆动腿时允许的运动范围。在这种情况下，机器人膝盖具有12个参数的动态组合，需要反复试验。这些参数的起点通常无法完美适用新的机器人肢体，但足以让佩戴者站起来进行简单的步行运动。

训练机器人肢体是一个复杂的共同适应过程，需要肢体学习如何与控制大部分身体的人类大脑合作。

亚利桑那州立大学电气、计算机和能源工程教授Jennie Si表示，“当我们的身体上有异物时，我们的身体会做一些奇怪的事情。从某种意义上说，我们的计算机强化学习算法学会了与人体合作。”

更复杂的是，强化学习算法必须通过来自假肢使用者的相当有限的一组训练数据来证明其价值。为了训练强化算法，个别人类截肢者不可能一直不停地行走，那些去实验室的人可能会在走15或20分钟后进行休息。

训练数据也面临其他限制。在研究项目开始时，Si想知道是否有可能允许假肢使用者在一些试运行期间跌倒，以便算法可以从这些情况中学习。但出于安全原因，Huang拒绝了这个想法。

尽管存在这些挑战，但初步结果已证明是有希望的，研究人员训练了强化学习算法，使其能够识别植入假膝的传感器收集到的数据中的某些模式，并对算法设置一些初始约束，以避免出现更多可能导致佩戴者摔倒的不良情况。最终，该算法学会了关注特定的数据模式，这些数据模式与相当稳定和平滑的行走模式相匹配。

这种调整机器人肢体的自动化方法并未做好广泛部署的准备。目前，研究人员计划训练该算法，以帮助假肢使用者上下步行。他们还希望创建一个系统的无线版本，可以将训练扩展到实验室之外。

研究项目的下一步是以某种方式为假肢使用者提供一种方法，告诉算法某种特定的行走模式是否感觉更好或更差。但是，通过按钮或其他简单控制来实现人类输入的早期尝试有些笨拙，部分原因可能是这种输入没有捕捉到人体在编排动作时复杂的感知和认知协调。