Noul neuroprostetic este o descoperire în domeniul roboticii AI

Oamenii de știință de la EPFL (École polytechnique fédérale de Lausanne) din Elveția au anunțat crearea primului din lume pentru controlul mâinilor robotizate - un nou tip de neuroprostetic care unifică controlul uman cu automatizarea inteligenței artificiale (AI) pentru o mai mare dexteritate a robotului și au publicat cercetările lor în Septembrie 2019 în Inteligența Mașinii Naturii .

Neuroproteticele (protezele neuronale) sunt dispozitive artificiale care stimulează sau îmbunătățesc sistemul nervos prin stimulare electrică pentru a compensa deficiențele care afectează abilitățile motorii, cognitive, vizuale, auditive, de comunicare sau abilități senzoriale. Exemple de neuroproteză includ interfețele creier-computer (BCI), stimularea creierului profund, stimulatoarele măduvei spinării (SCS), implanturile de control al vezicii urinare, implanturile cohleare și stimulatoarele cardiace.

Valoarea protezelor la nivelul membrelor superioare la nivel mondial este de așteptat să depășească 2,3 miliarde USD până în 2025, conform cifrelor dintr-un raport din august 2019 al Global Market Insight. În 2018, valoarea pieței mondiale a ajuns la un miliard de dolari pe baza aceluiași raport. Se estimează că două milioane de americani sunt amputați și există peste 185.000 de amputări făcute anual, potrivit Centrului Național de Informare a Pierderii Membrelor. Potrivit raportului, bolile vasculare reprezintă 82% din amputările SUA.

O proteză mioelectrică este utilizată pentru a înlocui părțile corpului amputate cu un membru artificial alimentat extern care este activat de mușchii existenți ai utilizatorului. Potrivit echipei de cercetare EPFL, dispozitivele comerciale disponibile astăzi pot oferi utilizatorilor un nivel ridicat de autonomie, dar dexteritatea nu este nicăieri aproape la fel de agilă ca mâna umană intactă.

„Dispozitivele comerciale folosesc de obicei un sistem cu două canale de înregistrare pentru a controla un singur grad de libertate; adică un canal SEMG pentru flexie și unul pentru extensie ”, au scris cercetătorii EPFL în studiul lor. „Deși intuitiv, sistemul oferă puțină dexteritate. Oamenii abandonează protezele mioelectrice la rate mari, în parte pentru că consideră că nivelul de control este insuficient pentru a merita prețul și complexitatea acestor dispozitive. ”

Pentru a aborda problema dexterității cu proteze mioelectrice, cercetătorii EPFL au adoptat o abordare interdisciplinară pentru acest studiu de dovadă a conceptului, combinând domeniile științifice ale neuroingineriei, roboticii și inteligenței artificiale pentru a semi-automatiza o parte a comenzii motorului pentru „partajat” Control."

Silvestro Micera, catedra Fundației Bertarelli în neuroinginerie translațională a EPFL și profesor de bioelectronică la Scuola Superiore Sant'Anna din Italia, consideră că această abordare comună pentru controlul mâinilor robotice poate îmbunătăți impactul clinic și utilizabilitatea pentru o gamă largă de scopuri neuroprotetice, cum ar fi creierul -interfețe la mașină (BMI) și mâini bionice.

„Unul dintre motivele pentru care protezele comerciale utilizează mai frecvent decodoare pe bază de clasificatoare în loc de cele proporționale este faptul că clasificatoarele rămân mai robuste într-o anumită postură”, au scris cercetătorii. „Pentru apucare, acest tip de control este ideal pentru a preveni căderea accidentală, dar sacrifică agenția utilizatorului prin restricționarea numărului de posturi posibile ale mâinilor. Implementarea controlului partajat permite atât agenția utilizatorilor, cât și robustețea înțelegerii. În spațiul liber, utilizatorul are control deplin asupra mișcărilor mâinilor, ceea ce permite, de asemenea, o pre-modelare volitivă pentru apucare. ”

În acest studiu, cercetătorii EPFL s-au concentrat asupra proiectării algoritmilor software - hardware-ul robotizat furnizat de părțile externe constă dintr-o mână Allegro montată pe robotul KUKA IIWA 7, un sistem de camere OptiTrack și senzori de presiune TEKSCAN.

Oamenii de știință EPFL au creat un decodor proporțional cinematic prin crearea unui perceptron multistrat (MLP) pentru a învăța cum să interpreteze intenția utilizatorului pentru a-l traduce în mișcarea degetelor pe o mână artificială. Un perceptron multistrat este o rețea neuronală artificială care folosește propagarea înapoi. MLP este o metodă de învățare profundă în care informațiile se deplasează înainte într-o direcție, comparativ într-un ciclu sau buclă prin rețeaua neuronală artificială.

Algoritmul este antrenat de datele de intrare de la utilizator care efectuează o serie de mișcări ale mâinilor. Pentru un timp de convergență mai rapid, metoda Levenberg – Marquardt a fost utilizată pentru montarea greutăților rețelei în loc de coborâre în gradient. Procesul de formare completă a modelului a fost rapid și a durat mai puțin de 10 minute pentru fiecare dintre subiecți, făcând algoritmul practic dintr-o perspectivă de utilizare clinică.

„Pentru un amputat, este de fapt foarte greu să contractăm mușchii multe, multe modalități diferite de a controla toate modurile în care se mișcă degetele noastre”, a spus Katie Zhuang de la EPFL Translational Neural Engineering Lab, care a fost primul autor al studiului de cercetare . „Ceea ce facem este să punem acești senzori pe butucul rămas, apoi să-i înregistrăm și să încercăm să interpretăm care sunt semnalele de mișcare. Deoarece aceste semnale pot fi puțin zgomotoase, avem nevoie de acest algoritm de învățare automată care extrage activitate semnificativă din acești mușchi și îi interpretează în mișcări. Și aceste mișcări sunt cele care controlează fiecare deget al mâinilor robotizate. ”

Deoarece previziunile mașinilor despre mișcările degetelor pot să nu fie 100% exacte, cercetătorii EPFL au încorporat automatizarea robotică pentru a permite mâna artificială și pentru a începe automat închiderea în jurul unui obiect odată ce contactul inițial este făcut. Dacă utilizatorul dorește să elibereze un obiect, tot ce trebuie să facă este să încerce să deschidă mâna pentru a opri controlerul robot și să-l pună înapoi în controlul mâinii.

Potrivit lui Aude Billard, care conduce laboratorul de algoritmi și sisteme de învățare al EPFL, mâna robotică poate reacționa în decurs de 400 de milisecunde. "Echipat cu senzori de presiune de-a lungul degetelor, poate reacționa și stabiliza obiectul înainte ca creierul să poată percepe efectiv că obiectul alunecă", a spus Billard.

Aplicând inteligența artificială neuroingineriei și roboticii, oamenii de știință EPFL au demonstrat noua abordare a controlului partajat între intenția mașinii și a utilizatorului - un avans în tehnologia neuroprotetică.

Copyright © 2019 Cami Rosso Toate drepturile rezervate.