Nové neuroprostetikum je průlomem robotické AI

Vědci z EPFL (École polytechnique fédérale de Lausanne) ve Švýcarsku oznámili vytvoření světově první pro robotické ovládání rukou - nový typ neuroprostetika, který sjednocuje lidské ovládání s automatizací umělé inteligence (AI) pro větší obratnost robota a zveřejnili svůj výzkum v Září 2019 v Nature Machine Intelligence .

Neuroprostetika (neurální protetika) jsou umělá zařízení, která stimulují nebo zlepšují nervový systém elektrickou stimulací k vyrovnání nedostatků, které mají vliv na motoriku, poznávání, zrak, sluch, komunikaci nebo smyslové schopnosti. Mezi příklady neuroprotetik patří rozhraní mozku a počítače (BCI), hluboká mozková stimulace, míchy stimulátory (SCS), kontrolní implantáty močového měchýře, kochleární implantáty a kardiostimulátory.

Celosvětová hodnota protetiky horních končetin by měla do roku 2025 překročit 2,3 miliardy USD, podle údajů ze zprávy Global Market Insight ze srpna 2019. V roce 2018 dosáhla celosvětová tržní hodnota na základě stejné zprávy jedné miliardy USD. Odhaduje se, že dva miliony Američanů jsou amputované osoby a podle Národního informačního centra o ztrátě končetin se ročně provádí více než 185 000 amputací. Cévní onemocnění podle zprávy představuje 82 procent amerických amputací.

Myoelektrická protéza se používá k nahrazení amputovaných částí těla externě napájenou umělou končetinou, která je aktivována existujícími svaly uživatele. Podle výzkumného týmu EPFL mohou dnes dostupná komerční zařízení poskytnout uživatelům vysokou úroveň autonomie, ale obratnost není zdaleka tak hbitá jako neporušená lidská ruka.

"Komerční zařízení obvykle používají dvoukanálový systém k ovládání jednoho stupně volnosti; to znamená jeden kanál sEMG pro flexi a jeden pro prodloužení, “napsali vědci EPFL ve své studii. "I když je systém intuitivní, poskytuje malou obratnost." Lidé opouštějí myoelektrické protézy vysokou rychlostí, částečně proto, že mají pocit, že úroveň kontroly je nedostatečná, aby si zasloužila cenu a složitost těchto zařízení. “

Aby vědci EPFL řešili problém obratnosti s myoelektrickými protézami, zaujali interdisciplinární přístup k této studii důkazu konceptu kombinací vědeckých oborů neuroinženýrství, robotiky a umělé inteligence k poloautomatizaci části motorického příkazu pro „sdílené řízení."

Silvestro Micera, předseda EPFL v Bertarelli Foundation v Translational Neuroengineering, a profesor bioelektroniky na Scuola Superiore Sant'Anna v Itálii, vidí, že tento společný přístup k ovládání robotických rukou může zlepšit klinický dopad a použitelnost pro širokou škálu neuroprostetických účelů, jako je mozek rozhraní mezi stroji (BMI) a bionické ruce.

„Jedním z důvodů, proč komerční protézy častěji používají dekodéry založené na klasifikátorech místo proporcionálních, je to, že klasifikátory robustněji zůstávají v určité pozici,“ napsali vědci. "Pro uchopení je tento typ ovládání ideální, aby se zabránilo náhodnému pádu, ale obětuje agenturu uživatele omezením počtu možných pozic rukou." Naše implementace sdíleného ovládání umožňuje jak uživatelskou agenturu, tak uchopení robustnosti. Ve volném prostoru má uživatel plnou kontrolu nad pohyby rukou, což také umožňuje dobrovolné předformování pro uchopení. “

V této studii se vědci EPFL zaměřili na návrh softwarových algoritmů - robotický hardware poskytovaný externími stranami se skládá z Allegro Hand namontovaného na robotu KUKA IIWA 7, kamerového systému OptiTrack a snímačů tlaku TEKSCAN.

Vědci EPFL vytvořili kinematický proporcionální dekodér vytvořením vícevrstvého perceptronu (MLP), aby se naučili, jak interpretovat úmysl uživatele, aby jej převedli do pohybu prstů na umělé ruce. Vícevrstvý perceptron je dopředná umělá neuronová síť, která využívá zpětné šíření. MLP je metoda hlubokého učení, kde se informace pohybují vpřed jedním směrem, versus v cyklu nebo smyčce umělou neuronovou sítí.

Algoritmus je trénován vstupními daty od uživatele provádějícího řadu pohybů rukou. Pro rychlejší dobu konvergence byla použita metoda Levenberg – Marquardt pro přizpůsobení síťových vah namísto gradientního sestupu. Proces tréninku celého modelu byl rychlý a u každého ze subjektů trval méně než 10 minut, díky čemuž byl algoritmus praktický z hlediska klinického využití.

"Pro amputovanou osobu je ve skutečnosti velmi těžké kontrahovat svaly mnoha různými způsoby, jak ovládat všechny způsoby, kterými se naše prsty pohybují," řekla Katie Zhuang z laboratoře EPFL Translational Neural Engineering Lab, která byla první autorkou výzkumné studie . "To, co děláme, je, že tyto senzory umístíme na jejich zbývající pařez a poté je zaznamenáme a pokusíme se interpretovat, jaké jsou pohybové signály." Protože tyto signály mohou být trochu hlučné, potřebujeme tento algoritmus strojového učení, který z těchto svalů extrahuje smysluplnou aktivitu a interpretuje je do pohybů. A tyto pohyby ovládají každý prst robotických rukou. “

Protože strojové předpovědi pohybů prstů nemusí být stoprocentně přesné, vědci EPFL začlenili robotickou automatizaci, která umožnila umělou ruku a automaticky zahájila zavírání kolem objektu, jakmile dojde k počátečnímu kontaktu. Pokud chce uživatel uvolnit předmět, musí se pokusit otevřít ruku, aby vypnul robotický ovladač, a dát uživateli kontrolu nad rukou.

Podle Aude Billarda, který vede laboratoř Learning Algorithms and Systems Laboratory EPFL, je robotická ruka schopna reagovat do 400 milisekund. "Je vybaven tlakovými senzory po celé délce prstů a může reagovat a stabilizovat objekt, než mozek dokáže skutečně vnímat, že předmět klouže," řekl Billard.

Aplikováním umělé inteligence na neuroinženýrství a robotiku vědci EPFL prokázali nový přístup ke sdílené kontrole mezi záměrem stroje a uživatele - pokrok v neuroprostetické technologii.

Copyright © 2019 Cami Rosso Všechna práva vyhrazena.