Novi neuroprostetik je proboj AI robotike

Znanstvenici iz EPFL-a (École polytechnique fédérale de Lausanne) u Švicarskoj najavili su stvaranje prvog na svijetu za robotsku kontrolu ruku - nove vrste neuroproteze koja objedinjuje ljudsku kontrolu s automatizacijom umjetne inteligencije (AI) radi veće spretnosti robota i objavili svoja istraživanja u Rujna 2019 Inteligencija stroja prirode .

Neuroprostetika (neuronska protetika) su umjetni uređaji koji stimuliraju ili poboljšavaju živčani sustav električnom stimulacijom kako bi nadoknadili nedostatke koji utječu na motoričke sposobnosti, kogniciju, vid, sluh, komunikaciju ili senzorne vještine. Primjeri neuroprotetike uključuju sučelja mozak-računalo (BCI), duboku stimulaciju mozga, stimulatore leđne moždine (SCS), implantate za kontrolu mokraćnog mjehura, kohlearne implantate i srčane stimulatore.

Očekuje se da će svjetska vrijednost protetike gornjih udova premašiti 2,3 milijarde USD do 2025. godine, prema podacima iz izvješća Global Market Insight iz kolovoza 2019. Na temelju istog izvješća 2018. je svjetska tržišna vrijednost dosegla milijardu USD. Prema procjenama, dva milijuna Amerikanaca amputirano je, a godišnje se izvrši preko 185 000 amputacija, prema Nacionalnom informacijskom centru za gubitak udova. Prema izvješću, vaskularna bolest čini 82 posto američkih amputacija.

Mioelektrična proteza koristi se za zamjenu amputiranih dijelova tijela vanjskim umjetnim udom koji se aktivira od postojećih mišića korisnika. Prema istraživačkom timu EPFL-a, komercijalni uređaji koji su danas dostupni mogu korisnicima pružiti visoku razinu autonomije, ali spretnost ni približno nije okretna kao netaknuta ljudska ruka.

„Komercijalni uređaji obično koriste dvokanalni sustav za upravljanje jednim stupnjem slobode; odnosno jedan sEMG kanal za fleksiju i jedan za produženje ”, napisali su istraživači EPFL-a u svojoj studiji. „Iako je intuitivan, sustav pruža malo spretnosti. Ljudi napuštaju mioelektrične proteze velikom brzinom, dijelom i zato što smatraju da razina kontrole nije dovoljna da bi se udovoljilo cijeni i složenosti ovih uređaja. "

Kako bi se pozabavili problemom spretnosti s mioelektričnim protezama, istraživači EPFL-a zauzeli su interdisciplinarni pristup ovoj studiji dokazivanja koncepta kombinirajući znanstvena područja neuroinženjerstva, robotike i umjetne inteligencije kako bi poluautomatizirali dio motoričke naredbe za "zajedničko kontrolirati."

Silvestro Micera, predsjedavajući Bertarelli zaklade za translacijski neuroinženjering EPFL-a i profesor bioelektronike na Scuola Superiore Sant'Anna u Italiji, smatra da ovaj zajednički pristup kontroliranju robotiziranih ruku može poboljšati klinički utjecaj i upotrebljivost za širok raspon neuroprotetičkih svrha, poput mozga sučelja za stroj (BMI) i bioničke kazaljke.

"Jedan od razloga zašto komercijalne proteze češće koriste dekodere na temelju klasifikatora umjesto proporcionalnih je taj što klasifikatori robusnije ostaju u određenom položaju", napisali su istraživači. „Za hvatanje, ova vrsta kontrole idealna je za sprječavanje slučajnog pada, ali žrtvuje korisničku agenciju ograničavanjem broja mogućih položaja ruku. Naša primjena zajedničke kontrole omogućuje i korisničku agenciju i shvaćanje robusnosti. U slobodnom prostoru, korisnik ima potpunu kontrolu nad pokretima ruku, što također omogućuje voljno predoblikovanje za hvatanje. "

U ovoj su se studiji istraživači EPFL-a usredotočili na dizajn softverskih algoritama - robotski hardver koji su osigurale vanjske strane sastoji se od Allegro Handa postavljenog na robota KUKA IIWA 7, sustava kamera OptiTrack i senzora tlaka TEKSCAN.

Znanstvenici EPFL-a stvorili su kinematički proporcionalni dekoder stvarajući višeslojni perceptron (MLP) kako bi naučili kako protumačiti korisnikovu namjeru kako bi je pretočili u kretanje prstiju na umjetnoj ruci. Višeslojni perceptron je umjetna neuronska mreža koja koristi povratno širenje. MLP je metoda dubokog učenja u kojoj se informacije kreću naprijed u jednom smjeru, u odnosu na ciklus ili petlju kroz umjetnu neuronsku mrežu.

Algoritam se uvježbava na osnovu ulaznih podataka korisnika koji izvode niz pokreta ruku. Za brže vrijeme konvergencije korištena je metoda Levenberg – Marquardt za prilagođavanje mrežnih utega umjesto gradijentnog spuštanja. Proces treninga s punim modelom bio je brz i trajao je manje od 10 minuta za svakog od ispitanika, čineći algoritam praktičnim iz perspektive kliničke uporabe.

"Za amputiranu osobu zapravo je jako teško stegnuti mišiće na mnogo, mnogo različitih načina kako kontrolirati sve načine na koje se naši prsti pokreću", rekla je Katie Zhuang iz EPFL Translational Neural Engineering Lab, koja je bila prva autorica istraživačke studije . „Ono što mi 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 izvlači značajnu aktivnost iz tih mišića i tumači ih u pokrete. A ti su pokreti ono što kontrolira svaki prst robotske ruke. "

Budući da strojna predviđanja pokreta prstiju možda nisu 100 posto točna, istraživači EPFL-a ugradili su robotsku automatizaciju kako bi omogućili umjetnu ruku i kako bi se automatski započelo zatvaranje oko predmeta nakon uspostavljanja početnog kontakta. Ako korisnik želi otpustiti objekt, sve što treba učiniti jest pokušati otvoriti ruku kako bi isključio robotski kontroler i vratiti korisnika na kontrolu nad rukom.

Prema Audeu Billardu koji vodi EPFL-ov Laboratorij za algoritme i sustave učenja, robotska ruka može reagirati u roku od 400 milisekundi. "Opremljen senzorima pritiska duž cijelih prstiju, može reagirati i stabilizirati objekt prije nego što mozak doista može opaziti da objekt klizi", rekao je Billard.

Primjenjujući umjetnu inteligenciju na neuroinženjering i robotiku, znanstvenici iz EPFL-a pokazali su novi pristup zajedničke kontrole između namjere stroja i korisnika - napredak u neuroprotetskoj tehnologiji.

Copyright © 2019 Cami Rosso Sva prava pridržana.