En computeralgoritme har markant fremskyndet tilpasningen af mennesker med et amputeret ben til en robotprotese. Som et resultat blev tiden til start af uafhængig gåtur reduceret fra nogle få timer til minutter. En beskrivelse af udviklingen blev offentliggjort i IEEE Transactions on Cybernetics.
En af de mest lovende muligheder for moderne kunstig intelligens er forstærkningslæring. Inden for rammerne af denne tilgang forsøger computerprogrammet automatisk at løse problemet, mens det modtager "belønninger" for gode resultater. AlphaZero-programmet er baseret på dette princip, der har været i stand til at vinde de bedste menneskelige atleter i brætspelet Go, og optræder også imponerende i andre spil som skak, Dota 2 og Starcraft II.
I det nye arbejde tog forskerne en lignende tilgang til at udvikle software til en robotbenprotese. Resultatet blev testet på en patient med en amputeret lem lige over knæet. Typisk har sådanne mennesker brug for mange timers træning for at bevæge sig uden hjælp, samt langsigtede manuelle justeringer af protesen fra specialister for at matche de individuelle egenskaber ved at gå. Den nye algoritme gjorde det muligt for den handicappede at gå på egen hånd efter 10 minutter.
Opsætning af protesen er kompleks og inkluderer 12 parametre, der kontrollerer egenskaber, såsom knæstivhed og bevægelsesområde, når man svinger benet. Algoritmen blev trænet på et forholdsvis lille sæt data indsamlet af specielle sensorer på proteser fra andre mennesker med amputerede ben. Forfatterne bemærker, at til trods for de imponerende resultater, er algoritmen stadig langt fra storstilet anvendelse, da den i øjeblikket kun er designet til at gå på en lige overflade. I fremtiden vil forskerne tilføje nye bevægelser, primært klatre og faldende trapper, samt teste udviklingen på flere mennesker i nød.