Nova neuroprotetika je napredak u robotskoj inteligenciji

Naučnici sa EPFL -a (École polytechnique fédérale de Lausanne) u Švicarskoj najavili su stvaranje prvog u svijetu za robotsku kontrolu ruku - nove vrste neuroprostetike koja ujedinjuje ljudsku kontrolu s automatizacijom umjetne inteligencije (AI) za veću spretnost robota i objavili su svoja istraživanja u Septembra 2019 u Inteligencija mašine prirode .

Neuroprostetika (neuralna protetika) su umjetni uređaji koji stimuliraju ili poboljšavaju nervni sistem električnom stimulacijom kako bi nadomjestili nedostatke koji utječu na motoričke sposobnosti, kogniciju, vid, sluh, komunikaciju ili senzorne vještine. Primjeri neuroprostetike uključuju interfejs mozga i računara (BCI), duboku stimulaciju mozga, stimulatore kičmene moždine (SCS), implantate za kontrolu mjehura, kohlearne implantate i srčane pejsmejkere.

Očekuje se da će svjetska vrijednost protetike gornjih ekstremiteta premašiti 2,3 milijarde USD do 2025. godine, prema podacima iz izvještaja Global Market Insight iz avgusta 2019. godine. Na osnovu istog izvještaja, u 2018. svjetska tržišna vrijednost dosegla je milijardu USD. Procjenjuje se da su dva miliona Amerikanaca amputirani, a godišnje se uradi više od 185.000 amputacija, prema Nacionalnom informativnom centru za gubitak udova. Prema izvještaju, vaskularne bolesti čine 82 posto amputacija u SAD -u.

Mioelektrična proteza koristi se za zamjenu amputiranih dijelova tijela umjetnim udovima s vanjskim pogonom koji aktiviraju postojeći mišići korisnika. Prema istraživačkom timu EPFL -a, komercijalni uređaji koji su danas dostupni mogu dati korisnicima visok nivo autonomije, ali spretnost nigdje nije tako agilna kao netaknuta ljudska ruka.

„Komercijalni uređaji obično koriste dvokanalni sistem za kontrolu jednog stepena slobode; to jest, jedan sEMG kanal za fleksiju i jedan za proširenje ”, napisali su istraživači EPFL -a u svojoj studiji. “Iako intuitivan, sistem pruža malo spretnosti. Ljudi napuštaju mioelektrične proteze velikom brzinom, dijelom i zbog toga što smatraju da je razina kontrole nedovoljna da zasluži cijenu i složenost ovih uređaja. ”

Kako bi riješili problem spretnosti s mioelektričnim protezama, istraživači EPFL-a uzeli su interdisciplinarni pristup za ovu studiju dokaza koncepta kombinirajući znanstvena područja neuroinženjeringa, robotike i umjetne inteligencije kako bi poluautomatizirali dio motoričke komande za „zajedničko korištenje“ kontrola. ”

Silvestro Micera, predsjedavajući Fondacije Bertarelli Fondacije za translacijski neuroinženjering EPFL-a i profesor bioelektronike na Scuola Superiore Sant'Anna u Italiji, smatra da ovaj zajednički pristup kontroli robotskih ruku može poboljšati klinički utjecaj i upotrebljivost za širok raspon neuroprotetičkih svrha, poput mozga -interfejsi za mašinu (BMI) i bioničke ruke.

"Jedan od razloga zašto komercijalne proteze češće koriste dekodere zasnovane na klasifikatorima umjesto proporcionalnih je taj što klasifikatori snažnije ostaju u određenom položaju", napisali su istraživači. “Za razumijevanje, ova vrsta kontrole je idealna za sprječavanje slučajnog ispuštanja, ali žrtvuje korisničku agenciju ograničavanjem broja mogućih položaja ruku. Naša implementacija zajedničke kontrole omogućava i korisničku agenciju i shvaćanje robusnosti. Na slobodnom prostoru korisnik ima potpunu kontrolu nad pokretima ruku, što također omogućava voljno predoblikovanje za hvatanje. ”

U ovoj studiji, istraživači EPFL -a fokusirali su se na dizajn softverskih algoritama - robotski hardver koji su dostavile vanjske strane sastoji se od Allegro Hand montirane na robota KUKA IIWA 7, sistema kamere OptiTrack i senzora pritiska TEKSCAN.

Naučnici EPFL -a stvorili su kinematički proporcionalni dekoder stvaranjem višeslojnog perceptrona (MLP) kako bi naučili kako protumačiti namjeru korisnika kako bi je pretočili u pokrete prstiju na umjetnoj ruci. Višeslojni perceptron je napredna umjetna neuronska mreža koja koristi backpropagation. MLP je metoda dubokog učenja u kojoj se informacije kreću naprijed u jednom smjeru, nasuprot ciklusu ili petlji kroz umjetnu neuronsku mrežu.

Algoritam se trenira unosom podataka od korisnika koji izvodi niz pokreta rukama. Za brže vrijeme konvergencije, Levenberg – Marquardtova metoda je korištena za prilagođavanje težina mreže umjesto gradijentnog spuštanja. Proces obuke po cijelom modelu bio je brz i trajao je manje od 10 minuta za svaki subjekt, što je algoritam učinilo praktičnim iz perspektive kliničke upotrebe.

"Za amputiranog je zapravo jako teško stegnuti mišiće na mnogo, mnogo različitih načina da kontroliraju sve načine na koje se naši prsti kreću", rekla je Katie Zhuang iz laboratorija za translacijsko neuronsko inženjerstvo EPFL -a, koja je bila prva autorica istraživačke studije . “Ono što radimo je da ove senzore stavimo na njihov preostali panj, a zatim ih snimimo i pokušamo protumačiti koji su signali pokreta. Budući da ti signali mogu biti pomalo bučni, potreban nam je ovaj algoritam strojnog učenja koji iz tih mišića izvlači značajne aktivnosti i tumači ih u pokrete. A ti pokreti kontroliraju svaki prst robotskih ruku. ”

Budući da strojna predviđanja kretanja prstiju možda nisu 100 posto točna, istraživači EPFL -a uključili su robotsku automatizaciju kako bi omogućili umjetnu ruku i da se automatski počnu zatvarati oko objekta nakon što je uspostavljen prvi kontakt. Ako korisnik želi osloboditi objekt, sve što mora učiniti je pokušati otvoriti ruku kako bi isključio robotski kontroler i vratiti korisnika u kontrolu nad rukom.

Prema Aude Billard koja vodi EPFL -ovu Laboratoriju za učenje algoritama i sistema, robotska ruka može reagirati u roku od 400 milisekundi. "Opremljen senzorima pritiska duž prstiju, može reagirati i stabilizirati objekt prije nego što mozak zaista primijeti da objekt klizi", rekao je Billard.

Primjenom umjetne inteligencije na neuroinženjering i robotiku, naučnici iz EPFL -a demonstrirali su novi pristup zajedničke kontrole između namjere stroja i korisnika - napredak u tehnologiji neuroprostetike.

Autorsko pravo © 2019 Cami Rosso Sva prava pridržana.