东方时讯网当然，对用户来说简单的东西实际上更加复杂，因为机器学习算法会反复提供最有可能让佩戴者感到舒适的成对辅助配置文件。然后，用户选择这两个中的一个，预测器会提供它认为可能更好的另一个帮助配置文件。
这种方法使用户能够使用非常简单的界面根据自己的喜好设置外骨骼辅助，有利于在智能手表或手机上实现。
“这本质上就像潘多拉音乐，”密歇根大学机器人和机械工程副教授、《科学机器人》研究的通讯作者埃利奥特·劳斯(ElliottRouse)说。
“你给它反馈，不管是赞成还是反对，它都会根据你的反馈来策划一个广播电台。这是一个类似的想法，但它具有外骨骼辅助设置。在这两种情况下，我们都在创建用户偏好的模型，并使用该模型来优化用户体验。”
该团队对14名参与者测试了这种方法，每人都佩戴一副脚踝外骨骼，以每小时约2.3英里的稳定速度行走。尽管志愿者的选择仅限于50种，但他们可以在选择之间花尽可能多的时间。大多数参与者在第45次决策时反复选择相同的援助方案。
50轮后，实验团队开始测试用户，看看最终的辅助配置文件是否确实是最佳的，将其与10个随机生成的(但合理的)配置文件进行配对。平均而言，参与者大约十分之九选择了算法建议的设置，这凸显了所提出方法的准确性。
“通过使用巧妙的算法和人工智能，我们的系统可以通过简单的是或否问题找出用户想要什么，”密歇根大学机械工程系博士生、该研究的第一作者UngHeeLee说道。机器人公司Nuro。
“我很高兴这种方法将使可穿戴机器人变得舒适且易于使用，使它们更接近成为我们日常生活的正常部分。”
控制算法管理四个外骨骼设置：提供多少辅助(峰值扭矩)、峰值之间的间隔时间(计时)以及外骨骼如何在每个峰值两侧增加和减少辅助。这种辅助方法基于我们的小腿肌肉如何增加力量来推动我们在每一步中前进。
Rouse报告称，很少有组织允许用户设置自己的外骨骼设置。
“在大多数情况下，控制器是根据生物力学或生理结果进行调整的。研究人员正在调整笔记本电脑的设置，最大限度地降低用户的新陈代谢率。目前，这是外骨骼评估和控制的黄金标准，”劳斯说。
“我认为我们的领域过分强调代谢率测试。人们实际上对自身新陈代谢率的变化非常不敏感，因此我们正在开发外骨骼来完成人们实际上无法感知的事情。”
相比之下，用户偏好方法不仅关注用户可以感知的内容，还使他们能够优先考虑他们认为有价值的品质。
该研究建立在该团队之前的努力基础上，使用户能够将自己的设置应用于脚踝外骨骼。在这项研究中，用户有一个触摸屏网格，将援助级别放在一个轴上，将援助时间放在另一个轴上。用户尝试网格上的不同点，直到找到最适合他们的点。
一旦用户在几个小时内发现了什么是舒适的，他们就可以在几分钟内在网格上找到他们的设置。这项新研究缩短了寻找哪种设置感觉最好的较长时间，并提供了两个新参数：帮助如何增加和减少。
早期研究的数据被用来提供机器学习预测器。进化算法根据早期用户喜欢的辅助配置文件产生变化，然后预测器(神经网络)对这些辅助配置文件进行排名。
用户做出的每个选择都会生成新的潜在帮助资料，对其进行排名并与用户之前的选择一起呈现给用户。