Novi nevroprotetik je preboj na področju AI robotike

Znanstveniki iz EPFL (École polytechnique fédérale de Lausanne) v Švici so napovedali ustanovitev prvega na svetu za robotsko krmiljenje rok - nove vrste nevroprotetike, ki za večjo spretnost robota združuje človeški nadzor z avtomatizacijo umetne inteligence (AI) in svoje raziskave objavili v September 2019 v Narava Machine Intelligence .

Nevroprotetika (nevrološka protetika) so umetne naprave, ki z električno stimulacijo stimulirajo ali okrepijo živčni sistem, da nadomestijo pomanjkljivosti, ki vplivajo na motorične sposobnosti, kognicijo, vid, sluh, komunikacijo ali senzorične sposobnosti. Primeri nevroprotetike vključujejo vmesnike med možgani in računalnikom (BCI), globoko možgansko stimulacijo, stimulatorje hrbtenjače (SCS), vsadke za nadzor mehurja, polževe vsadke in srčne spodbujevalnike.

Po podatkih iz poročila agencije Global Market Insight iz avgusta 2019 naj bi svetovna vrednost protetike zgornjih okončin do leta 2025 presegla 2,3 milijarde USD. Leta 2018 je svetovna tržna vrednost na podlagi istega poročila dosegla milijardo USD. Ocenjuje se, da sta dva milijona Američanov amputiranih, letno pa opravijo več kot 185.000 amputacij, poroča Nacionalni informativni center za izgubo okončin. Glede na poročilo vaskularna bolezen predstavlja 82 odstotkov amputacij v ZDA.

Z mioelektrično protezo se amputirani deli telesa nadomestijo z zunanjim umetnim udom, ki ga aktivirajo obstoječe mišice uporabnika. Po mnenju raziskovalne skupine EPFL lahko komercialne naprave, ki so danes na voljo, uporabnikom omogočijo visoko stopnjo avtonomije, vendar spretnost ni niti približno tako okretna kot nedotaknjena človeška roka.

»Komercialne naprave običajno uporabljajo sistem dvosmernega kanala za nadzor ene same stopnje svobode; to je en kanal sEMG za fleksijo in en za razširitev, «so v svoji študiji zapisali raziskovalci EPFL. »Čeprav je intuitiven, sistem zagotavlja malo spretnosti. Ljudje mioelektrične proteze opustijo zelo pogosto, deloma tudi zato, ker menijo, da raven nadzora ne zadošča za ceno in zapletenost teh naprav. "

Da bi rešili problem spretnosti z mioelektričnimi protezami, so raziskovalci EPFL uporabili interdisciplinarni pristop k tej študiji dokazovanja koncepta, tako da so združili znanstvena področja nevroinženiringa, robotike in umetne inteligence, da bi napol avtomatizirali del motornega ukaza za "skupno nadzor. "

Silvestro Micera, predstojnik fundacije Bertarelli iz EPFL za translacijsko nevroinženiring in profesor bioelektronike na Scuola Superiore Sant'Anna v Italiji, meni, da lahko ta skupni pristop k nadzoru robotskih rok izboljša klinični učinek in uporabnost za široko paleto nevroprotetičnih namenov, kot so možgani. -za strojne vmesnike (BMI) in bionične roke.

"Eden od razlogov, zakaj komercialne proteze pogosteje uporabljajo dekoderje na osnovi klasifikatorjev namesto sorazmernih, je ta, da klasifikatorji močneje ostanejo v določeni drži," so zapisali raziskovalci. »Za prijemanje je ta vrsta nadzora idealna za preprečevanje nenamernega padca, vendar žrtvuje uporabniško agencijo z omejevanjem števila možnih položajev rok. Naše izvajanje skupnega nadzora omogoča tako uporabniško agencijo kot tudi dojemanje robustnosti. V prostem prostoru ima uporabnik popoln nadzor nad gibi rok, kar omogoča tudi voljno predhodno oblikovanje za prijemanje. "

V tej študiji so se raziskovalci EPFL osredotočili na oblikovanje programskih algoritmov - robotsko strojno opremo, ki jo je priskrbela zunanja stranka, sestavljajo Allegro Hand, nameščen na robotu KUKA IIWA 7, sistem kamer OptiTrack in senzorji tlaka TEKSCAN.

Znanstveniki EPFL so ustvarili kinematični sorazmerni dekoder z ustvarjanjem večplastnega perceptrona (MLP), da bi se naučili, kako razlagati uporabnikov namen in ga prevesti v gibanje prstov na umetni roki. Večplastni perceptron je umetno nevronsko omrežje, ki uporablja povratno razmnoževanje. MLP je metoda globokega učenja, kjer se informacije premikajo naprej v eno smer, v primerjavi s ciklom ali zanko skozi umetno nevronsko mrežo.

Algoritem je usposobljen z vhodnimi podatki uporabnika, ki izvaja vrsto gibov rok. Za hitrejši konvergenčni čas je bila uporabljena metoda Levenberg – Marquardt za prilagajanje mrežnih uteži namesto gradientnega spusta. Postopek treninga s celotnim modelom je bil hiter in je za vsakega od subjektov trajal manj kot 10 minut, zaradi česar je bil algoritem praktičen s stališča klinične uporabe.

"Za amputiranca je dejansko zelo težko skrčiti mišice na veliko, veliko različnih načinov, kako nadzorovati vse načine, kako se premikajo naši prsti," je dejala Katie Zhuang iz laboratorija za translacijski nevrološki inženiring EPFL, ki je bila prva avtorica raziskave. . »Kar naredimo, je, da te senzorje postavimo na njihov preostali panj, nato pa jih posnamemo in poskusimo razložiti, kakšni so gibalni signali. Ker so ti signali lahko nekoliko hrupni, potrebujemo ta algoritem strojnega učenja, ki iz teh mišic izvleče pomembno aktivnost in jih interpretira v gibe. In ta gibanja so tista, ki nadzorujejo vsak prst robotske roke. "

Ker strojne napovedi premikov prstov morda niso 100-odstotno natančne, so raziskovalci EPFL vključili robotsko avtomatizacijo, da omogočijo umetno roko in se samodejno začnejo zapirati okoli predmeta, ko je vzpostavljen prvi stik. Če želi uporabnik spustiti predmet, mora le poskusiti odpreti roko, da izklopi robotski krmilnik, in uporabniku vrniti nadzor nad roko.

Po besedah ​​Aude Billard, ki vodi Laboratorij za algoritme in sisteme učenja EPFL, lahko robotska roka reagira v 400 milisekundah. "Opremljen s senzorji tlaka po vseh prstih, lahko reagira in stabilizira predmet, preden možgani dejansko zaznajo, da predmet zdrsne," je dejal Billard.

Z uporabo umetne inteligence za nevroinženiring in robotiko so znanstveniki EPFL pokazali nov pristop skupnega nadzora med namenom stroja in uporabnika - napredek v nevroprotetični tehnologiji.

Copyright © 2019 Cami Rosso Vse pravice pridržane.