Новата невропротетика е напредок во роботиката со вештачка интелигенција

Научниците од EPFL (lecole polytechnique fédérale de Lausanne) во Швајцарија најавија создавање на прва во светот за роботска контрола на рацете - нов тип на невропротетика што ја обединува човечката контрола со автоматизација на вештачка интелигенција (АИ) за поголема умешност на роботите и ги објавија своите истражувања во Септември 2019 година во Природна машинска интелигенција .

Невропротетика (нервна протетика) се вештачки уреди кои го стимулираат или подобруваат нервниот систем преку електрична стимулација за да ги компензираат недостатоците што влијаат на моторните вештини, сознанието, видот, слухот, комуникацијата или сетилните вештини. Примери за невропротетика вклучуваат интерфејси мозок-компјутер (BCI), стимулација на длабок мозок, стимулатори на 'рбетниот мозок (SCS), импланти за контрола на мочниот меур, кохлеарни импланти и срцеви пејсмејкери.

Вредноста на протетиката на горните екстремитети ширум светот се очекува да надмине 2,3 милијарди американски долари до 2025 година, според бројките од извештајот на Глобал пазар увид во август 2019 година. Во 2018 година, светската пазарна вредност достигна една милијарда американски долари врз основа на истиот извештај. Според Националниот информативен центар за губење на екстремитети, околу два милиони Американци се ампутирани лица, а годишно се прават над 185.000 ампутации. Според извештајот, васкуларните заболувања сочинуваат 82 проценти од ампутациите во САД.

Миоелектрична протеза се користи за замена на ампутирани делови од телото со вештачки екстремитет од надворешен погон, активиран од постојните мускули на корисникот. Според истражувачкиот тим на EPFL, комерцијалните уреди достапни денес можат да им дадат на корисниците високо ниво на автономија, но умешноста никаде не е скоро толку агилна како недопрената човечка рака.

„Комерцијалните уреди обично користат систем со два канали за снимање за да контролираат еден степен на слобода; односно еден sEMG канал за флексија и еден за продолжување “, напишаа истражувачите на EPFL во нивната студија. „Иако е интуитивен, системот обезбедува мала умешност. Луѓето ги напуштаат миоелектричните протези со високи стапки, делумно затоа што сметаат дека нивото на контрола е недоволно за да ја заслужи цената и сложеноста на овие уреди “.

За да се справат со проблемот на умешност со миоелектрични протези, истражувачите на ЕПФЛ направија интердисциплинарен пристап за оваа студија со докази за концепт со комбинирање на научните области за невроинженеринг, роботика и вештачка интелигенција за полуавтоматизирање на дел од моторната команда за „споделување контрола “.

Силвестро Мицера, претседател на Фондацијата Бертарели на ЕПФЛ за преводно невроинженерство и професор по биоелектроника во Scuola Superiore Sant'Anna во Италија, гледа дека овој заеднички пристап за контрола на роботските раце може да го подобри клиничкото влијание и употребливост за широк спектар на невропротетички цели како мозокот. -интерфејси на машина (БМИ) и бионички раце.

„Една причина зошто комерцијалните протези почесто користат декодери базирани на класификатори, наместо пропорционални, е затоа што класификаторите поцврсто остануваат во одредена положба“, пишуваат истражувачите. „За разбирање, овој тип на контрола е идеален за да се спречи случајно испуштање, но се жртвува агенцијата на корисниците со ограничување на бројот на можни држења за раце. Нашата имплементација на заедничка контрола овозможува и агенција на корисници и разбирање на робусноста. На слободен простор, корисникот има целосна контрола врз движењата на рацете, што исто така овозможува доброволно претходно обликување за фаќање “.

Во оваа студија, истражувачите на EPFL се фокусираа на дизајнот на софтверските алгоритми - роботскиот хардвер што беше обезбеден од надворешни страни се состои од Allegro Hand монтиран на робот KUKA IIWA 7, систем за камера OptiTrack и сензори за притисок TEKSCAN.

Научниците од EPFL создадоа кинематичен пропорционален декодер со создавање на повеќеслоен перцептрон (MLP) за да научат како да ја толкуваат намерата на корисникот за да ја преведат во движење на прстите на вештачка рака. Повеќеслоен перцептрон е напредна вештачка невронска мрежа која користи повратно размножување. MLP е метод за длабоко учење каде информациите се движат напред во една насока, наспроти циклус или јамка низ вештачката невронска мрежа.

Алгоритмот е обучен со внесување на податоци од корисникот што изведува серија движења на рацете. За побрзо време на конвергенција, методот Левенберг -Маркарт беше искористен за прилагодување на тежините на мрежата наместо спуштање на градиент. Процесот на обука со целосен модел беше брз и траеше помалку од 10 минути за секој од предметите, што го направи алгоритмот практичен од гледна точка на клиничка употреба.

„За ампутиран, навистина е многу тешко да се згрчат мускулите многу, многу различни начини за контрола на сите начини на движење на прстите“, рече Кејти huуанг во EPFL Translational Neural Engineering Lab, која беше првиот автор на истражувачката студија На „Она што го правиме е да ги ставиме овие сензори на нивниот преостанат трупец, а потоа да ги снимиме и да се обидеме да протолкуваме што се сигналите за движење. Бидејќи овие сигнали можат да бидат малку бучни, она што ни треба е овој алгоритам за машинско учење кој извлекува значајна активност од тие мускули и ги толкува во движења. И овие движења се она што го контролира секој прст од роботските раце “.

Бидејќи машинските предвидувања за движењата на прстите можеби не се 100 проценти точни, истражувачите на ЕПФЛ вклучија роботска автоматизација за да овозможат вештачка рака и автоматски да почнат да се затвораат околу објектот штом се воспостави првичниот контакт. Ако корисникот сака да ослободи објект, с all што треба да направи е да се обиде да ја отвори раката за да го исклучи роботскиот контролер и да го врати корисникот во контрола на раката.

Според Ауд Билард, кој ја води лабораторијата за учење на алгоритми и системи на ЕПФЛ, роботската рака може да реагира во рок од 400 милисекунди. „Опремен со сензори за притисок низ прстите, може да реагира и да го стабилизира предметот пред мозокот всушност да согледа дека објектот се лизга“, рече Билард.

Со примена на вештачка интелигенција за невроинженеринг и роботика, научниците од ЕПФЛ го демонстрираа новиот пристап за заедничка контрола помеѓу намерата на машината и корисникот - напредок во невропротетичката технологија.

Авторски права © 2019 Ками Росо Сите права се задржани.