TECNOLOGIA: I ROBOT IMPARANO I MOVIMENTI CORPOREI UMANI PER SOSTITUIRE I MAESTRI DI FITNESS

 

Nonostante l'ovvio vantaggio degli esercizi fisici, l'aiuto di un professionista del fitness non è sempre disponibile. In questi casi, un robot umanoide potrebbe aiutare a correggere una tecnica impropria e coinvolgere il suo utente.

Un recente articolo propone di impiegare il robot umanoide Pepper come motivatore e datore di feedback.

Il robot può apprendere la posa e il modello di movimento. Quindi rileva la posa dell'utente e la confronta con un esercizio richiamato dalla memoria. Viene sviluppata una nuova versione di Grow-When-Required Network (GWR) in modo che il robot possa adattarsi a molte forme del corpo.

L'utente riceve un feedback coinvolgente e di facile comprensione. Il tablet del robot riproduce il video in tempo reale da una telecamera e le posizioni delle articolazioni sbagliate sono contrassegnate in rosso. Gli esperimenti con gli avatar virtuali hanno mostrato che l'approccio suggerito supera le altre varianti di GWR ed è abbastanza robusto per perturbazioni come la rotazione e la traduzione.

Al fine di rilevare e correggere gli esercizi fisici, viene sviluppato un Grow-When-Required Network (GWR) con connessioni ricorrenti, memoria episodica e un nuovo meccanismo di sottonodo al fine di apprendere le relazioni spazio-temporali tra i movimenti del corpo e le pose. Una volta eseguito un esercizio, le informazioni di posa e movimento per fotogramma vengono memorizzate nel GWR. Per ogni fotogramma, la coppia di posa e movimento corrente viene confrontata con un'uscita prevista del GWR, consentendo un feedback non solo sulla posa ma anche sulla velocità del movimento. 

In uno scenario pratico, un esercizio fisico viene eseguito da un esperto come un fisioterapista e quindi utilizzato come riferimento per un robot umanoide come Pepper per fornire un feedback sull'esecuzione dello stesso esercizio da parte del paziente. Questo approccio, tuttavia, comporta due sfide. Innanzitutto, la distanza dal robot umanoide e la posizione dell'utente nella visuale della telecamera del robot umanoide devono essere considerate anche dal GWR, richiedendo una robustezza rispetto al posizionamento dell'utente nel campo visivo del robot umanoide. 

In secondo luogo, poiché sia ​​la posa che il movimento dipendono dalle misurazioni del corpo dell'esecutore originale, l'esercizio dell'esperto non può essere facilmente utilizzato come riferimento. Questo documento affronta la prima sfida progettando un'architettura che consenta tolleranze nella traslazione e nelle rotazioni rispetto al centro del campo visivo. 

Per la seconda sfida, permettiamo al GWR di crescere online su dati incrementali. Per la valutazione, abbiamo creato un nuovo set di dati di esercizio con avatar virtuali chiamato set di dati Virtual-Squat. Nel complesso, affermiamo che la nostra nuova architettura basata sul GWR può utilizzare un riferimento di esercizio appreso per diverse variazioni corporee attraverso l'apprendimento online continuo, prevenendo l'oblio catastrofico, consentendo un'interazione uomo-robot coinvolgente a lungo termine con un robot umanoide.

Technology

- Eyes Bio