Az új neuroprotetikus egy AI robotikai áttörés

A svájci EPFL (École polytechnique fédérale de Lausanne) tudósai bejelentették, hogy létrehozzák a világ első robotikus kézi vezérlését - egy új típusú neuroprotetikát, amely egyesíti az emberi irányítást a mesterséges intelligencia (AI) automatizálásával a nagyobb robot ügyesség érdekében, és publikálták kutatásukat 2019 szeptember Természet gépi intelligencia .

A neuroprotetikák (idegi protetikák) olyan mesterséges eszközök, amelyek elektromos ingerléssel stimulálják vagy fokozzák az idegrendszert, hogy kompenzálják azokat a hiányosságokat, amelyek befolyásolják a motoros képességeket, a megismerést, a látást, a hallást, a kommunikációt vagy az érzékszervi képességeket. A neuroprotetikák példái közé tartoznak az agy-számítógép interfészek (BCI), a mély agyi stimuláció, a gerincvelő stimulátorai (SCS), a hólyagszabályozó implantátumok, a cochleáris implantátumok és a szívritmus-szabályozók.

A globális felső végtagi protetikai érték 2025-re várhatóan meghaladja a 2,3 milliárd USD-t - derül ki a Global Market Insight 2019 augusztusi jelentéséből. 2018-ban a világpiaci érték ugyanazon jelentés alapján elérte az egymilliárd USD-t. Becslések szerint kétmillió amerikai amputált ember, és évente több mint 185 000 amputációt végeznek a National Limb Loss Information Center szerint. A jelentés szerint az érbetegségek teszik ki az amerikai amputációk 82 százalékát.

A myoelektromos protézis segítségével az amputált testrészeket egy külső erővel ellátott műtaggal helyettesítik, amelyet a felhasználó meglévő izmai aktiválnak. Az EPFL kutatócsoport szerint a ma elérhető kereskedelmi eszközök magas szintű autonómiát biztosíthatnak a felhasználók számára, de az ügyesség közel sem olyan mozgékony, mint az ép emberi kéz.

„A kereskedelmi eszközök általában két felvételi csatornás rendszert használnak a szabadság egyetlen fokának ellenőrzésére; vagyis egy sEMG csatorna a hajlításhoz és egy a kiterjesztéshez ”- írták tanulmányukban az EPFL kutatói. „Bár intuitív, a rendszer kevés ügyességet biztosít. Az emberek nagy arányban hagyják el a myoelektromos protéziseket, részben azért, mert úgy érzik, hogy az ellenőrzés szintje nem elégséges ahhoz, hogy kiérdemelje ezen eszközök árát és összetettségét. "

Az ügyesség problémájának megválaszolása céljából a myoelektromos protézisekkel az EPFL kutatói interdiszciplináris megközelítést folytattak a koncepció bizonyítékának tanulmányozásához, ötvözve a neuroengineering, a robotika és a mesterséges intelligencia tudományos területeit, hogy a motoros parancs egy részét félig automatizálják a „megosztott ellenőrzés."

Silvestro Micera, az EPFL Bertarelli Alapítványának elnöke a transzlációs neuromérnöki munkában és az olasz Scuola Superiore Sant'Anna bioelektronika professzora úgy véli, hogy ez a közös megközelítés a robotkéz irányítására javíthatja a klinikai hatást és a használhatóságot számos neuroprotetikus célra, például agyra -gép-interfészek (BMI) és bionikus kezek.

"Az egyik ok, amiért a kereskedelmi protézisek inkább az osztályozókon alapuló dekódereket használják az arányosak helyett, az az, hogy az osztályozók robusztusabban maradnak egy adott testtartásban" - írták a kutatók. „A megértéshez ez a típusú vezérlés ideális a véletlen leesés megelőzésére, de feláldozza a felhasználói ügynökséget a lehetséges kéztartások számának korlátozásával. A megosztott vezérlés megvalósítása lehetővé teszi a felhasználói ügynökségek működését és a robusztus megragadását. A szabad térben a felhasználó teljes mértékben ellenőrzi a kézmozdulatokat, ami lehetővé teszi a megragadás szándékos előformálását is. ”

Ebben a tanulmányban az EPFL kutatói a szoftveralgoritmusok tervezésére összpontosítottak - a robotok hardverét, amelyet külső felek biztosítottak, a KUKA IIWA 7 robotra szerelt Allegro Hand, az OptiTrack kamerarendszer és a TEKSCAN nyomásérzékelők alkotják.

Az EPFL tudósai kinematikus arányos dekódert hoztak létre egy többrétegű perceptron (MLP) létrehozásával, hogy megtanulják, hogyan kell értelmezni a felhasználó szándékát annak érdekében, hogy azt mesterséges kéz ujjainak mozgatásává alakítsák át. A többrétegű perceptron előremenő mesterséges ideghálózat, amely backpropagációt használ. Az MLP egy mély tanulási módszer, ahol az információ egy irányban halad előre, szemben a mesterséges neurális hálózaton keresztüli ciklusban vagy hurokban.

Az algoritmust a kézmozdulatok sorozatát végző felhasználó bemeneti adatai képezik. A gyorsabb konvergenciaidő érdekében a hálózati súlyok illesztésére a gradiens süllyedés helyett a Levenberg – Marquardt módszert alkalmazták. A teljes modelles képzési folyamat gyors volt, és kevesebb mint 10 percet vett igénybe mindegyik alany számára, ami az algoritmust klinikai felhasználási szempontból gyakorlatiassá tette.

"Az amputáltak számára valójában nagyon nehéz összehúzni az izmokat sok-sok különböző módon, hogy ellenőrizzék az ujjaink mozgásának minden módját" - mondta Katie Zhuang, az EPFL Translational Neural Engineering Lab, aki a kutatás első szerzője volt. . „Azt csináljuk, hogy ezeket az érzékelőket visszarakjuk a maradék csonkjukra, majd rögzítjük és megpróbáljuk értelmezni, hogy mi a mozgásjel. Mivel ezek a jelek kissé zajosak lehetnek, szükségünk van erre a gépi tanulási algoritmusra, amely értelmes tevékenységet von ki ezekből az izmokból, és mozgásokká értelmezi őket. És ezek a mozdulatok vezérlik a robot kezének minden egyes ujját. ”

Mivel az ujjmozgások gépi előrejelzései nem biztos, hogy 100% -ban pontosak, az EPFL kutatói robotautomatikát építettek be, hogy lehetővé tegyék a mesterséges kezet, és az első érintkezés után automatikusan elkezdjék bezárni az objektumot. Ha a felhasználó el akar engedni egy objektumot, csak annyit kell tennie, hogy megkísérli kinyitni a leosztást a robotvezérlő kikapcsolása érdekében, és visszahozza a kezet a kezébe.

Az EPFL tanulási algoritmusok és rendszerek laboratóriumát vezető Aude Billard szerint a robotkéz 400 milliszekundumon belül képes reagálni. "Az ujjak mentén nyomásérzékelőkkel felszerelve képes reagálni és stabilizálni a tárgyat, mielőtt az agy valóban észrevenné, hogy a tárgy csúszik" - mondta Billard.

A mesterséges intelligencia alkalmazásával az idegépítésben és a robotikában az EPFL tudósai bemutatták a gép és a felhasználó szándéka közötti megosztott irányítás új megközelítését - a neuroprotetikus technológia fejlődését.

Copyright © 2019 Cami Rosso Minden jog fenntartva.