Nové neuroprotetikum predstavuje prielom v oblasti robotiky AI

Vedci z EPFL (École polytechnique fédérale de Lausanne) vo Švajčiarsku oznámili vytvorenie prvého na svete pre robotické ručné ovládanie - nový typ neuroprostetika, ktorý zjednocuje ľudskú kontrolu s automatizáciou umelej inteligencie (AI) pre väčšiu obratnosť robota a publikovali svoj výskum v September 2019 v Prírodná inteligencia strojov .

Neuroprostetika (nervová protetika) sú umelé zariadenia, ktoré stimulujú alebo zlepšujú nervový systém pomocou elektrickej stimulácie na kompenzáciu nedostatkov, ktoré majú vplyv na motoriku, poznávanie, zrak, sluch, komunikáciu alebo zmyslové schopnosti. Medzi príklady neuroprotetiky patria mozgovo-počítačové rozhrania (BCI), hlboká mozgová stimulácia, miechové stimulátory (SCS), kontrolné implantáty močového mechúra, kochleárne implantáty a kardiostimulátory.

Celosvetová hodnota protetiky horných končatín by mala do roku 2025 prekročiť 2,3 miliardy USD, vyplýva z údajov správy Global Market Insight z augusta 2019. V roku 2018 dosiahla svetová trhová hodnota na základe rovnakej správy jednu miliardu USD. Odhaduje sa, že dva milióny Američanov sú amputované a podľa Národného informačného centra o strate končatiny sa ročne vykoná viac ako 185 000 amputácií. Vaskulárne ochorenie predstavuje podľa správy 82 percent amerických amputácií.

Myoelektrická protéza sa používa na nahradenie amputovaných častí tela externe napájanou umelou končatinou, ktorá sa aktivuje existujúcimi svalmi používateľa. Podľa výskumného tímu EPFL môžu dnes dostupné komerčné zariadenia poskytnúť používateľom vysokú úroveň autonómie, ale obratnosť nie je ani zďaleka taká svižná ako neporušená ľudská ruka.

„Komerčné zariadenia zvyčajne používajú dvojkanálový systém na riadenie jedného stupňa voľnosti; to znamená jeden kanál sEMG pre flexiu a jeden pre predĺženie, “napísali vo svojej štúdii vedci EPFL. „Aj keď je systém intuitívny, poskytuje malú obratnosť. Ľudia opúšťajú myoelektrické protézy vysokou rýchlosťou, čiastočne preto, že majú pocit, že úroveň kontroly je nedostatočná na to, aby si zaslúžili cenu a zložitosť týchto zariadení. “

Na riešenie problému obratnosti s myoelektrickými protézami zvolili vedci EPFL interdisciplinárny prístup k tejto štúdii zameranej na overenie koncepcie kombináciou vedeckých oblastí neuroinžinierstva, robotiky a umelej inteligencie s cieľom čiastočne automatizovať časť príkazu motora pre „zdieľané kontrola. “

Silvestro Micera, predseda nadácie Bertarelli Foundation for Translational Neuroengineering a profesor bioelektroniky na Scuola Superiore Sant'Anna v Taliansku, sa domnieva, že tento spoločný prístup k ovládaniu robotických rúk môže zlepšiť klinický dopad a použiteľnosť pre širokú škálu neuroprotetických účelov, ako je mozog. - rozhrania stroja (BMI) a bionické ruky.

„Jedným z dôvodov, prečo komerčné protézy častejšie používajú dekodéry založené na klasifikátoroch ako proporcionálne, je to, že klasifikátory robustnejšie zostávajú v určitej polohe,“ napísali vedci. „Tento typ ovládania je na uchopenie ideálny na prevenciu náhodného pádu, ale obetuje agentúru používateľov obmedzením počtu možných pozícií rúk. Naša implementácia zdieľaného riadenia umožňuje užívateľskú agentúru aj uchopenie robustnosti. Vo voľnom priestore má používateľ plnú kontrolu nad pohybmi ruky, čo umožňuje aj vôľové predformovanie na uchopenie. “

V tejto štúdii sa vedci EPFL zamerali na návrh softvérových algoritmov - robotický hardvér poskytovaný externými stranami pozostáva z Allegro Hand namontovaného na robotovi KUKA IIWA 7, kamerového systému OptiTrack a snímačov tlaku TEKSCAN.

Vedci z EPFL vytvorili kinematický proporcionálny dekodér vytvorením viacvrstvového perceptronu (MLP), aby sa naučili, ako interpretovať úmysel používateľa tak, aby sa to prejavilo v pohybe prstov na umelej ruke. Viacvrstvový perceptrón je dopredná umelá neurónová sieť, ktorá využíva spätné šírenie. MLP je metóda hlbokého učenia, pri ktorej sa informácie posúvajú vpred jedným smerom, naopak v cykle alebo slučke umelou neurónovou sieťou.

Algoritmus je trénovaný vstupnými údajmi od používateľa, ktorý vykonáva sériu pohybov ruky. Pre rýchlejšiu dobu konvergencie sa na prispôsobenie váh siete namiesto gradientového klesania použila metóda Levenberg – Marquardt. Plnoformátový tréningový proces bol rýchly a každému z predmetov trval menej ako 10 minút, čo spôsobilo, že algoritmus bol praktický z hľadiska klinického použitia.

„Pre amputovaného človeka je skutočne veľmi ťažké kontrahovať svaly mnohými rôznymi spôsobmi, ako ovládať všetky spôsoby, ktorými sa hýbu naše prsty,“ uviedla Katie Zhuang z laboratória EPFL Translational Neural Engineering Lab, ktorá bola prvou autorkou výskumnej štúdie. . "To, čo robíme, je, že tieto senzory umiestnime na ich zvyšný pahýľ a potom ich zaznamenáme a pokúsime sa interpretovať, aké sú pohybové signály." Pretože tieto signály môžu byť trochu hlučné, potrebujeme tento algoritmus strojového učenia, ktorý z týchto svalov extrahuje zmysluplnú aktivitu a interpretuje ich do pohybov. A tieto pohyby ovládajú každý prst robotickej ruky. “

Pretože strojové predpovede pohybov prstov nemusia byť stopercentne presné, výskumníci EPFL zabudovali robotickú automatizáciu, ktorá umožňuje umelú ruku a po začatí počiatočného kontaktu sa automaticky začne zatvárať okolo objektu. Ak chce užívateľ uvoľniť predmet, musí sa iba pokúsiť otvoriť ruku, aby vypol robotický ovládač, a dať jej kontrolu nad rukou.

Podľa Aude Billarda, ktorý vedie Laboratórium výučby algoritmov a systémov EPFL, je robotická ruka schopná reagovať do 400 milisekúnd. "Je vybavený tlakovými senzormi pozdĺž všetkých prstov a dokáže reagovať a stabilizovať objekt skôr, ako mozog dokáže skutočne vnímať, že predmet kĺže," uviedol Billard.

Aplikáciou umelej inteligencie na neuroinžinierstvo a robotiku demonštrovali vedci EPFL nový prístup zdieľanej kontroly medzi zámerom stroja a používateľa - pokrok v neuroprostetickej technológii.

Copyright © 2019 Cami Rosso Všetky práva vyhradené.