Новото невропротезиране е пробив в робототехниката с изкуствен интелект

Учени от EPFL (École polytechnique fédérale de Lausanne) в Швейцария обявиха създаването на първия в света за роботизиран контрол на ръцете - нов тип невропротези, който обединява човешкия контрол с автоматизация на изкуствения интелект (AI) за по-голяма сръчност на роботите и публикува своите изследвания в Септември 2019 г. в Интелигентност на машината на природата .

Невропротезирането (нервно протезиране) са изкуствени устройства, които стимулират или подобряват нервната система чрез електрическа стимулация, за да компенсират недостатъци, които оказват влияние върху двигателните умения, познанието, зрението, слуха, комуникацията или сензорните умения. Примери за невропротезиране включват интерфейси мозък-компютър (BCI), дълбока мозъчна стимулация, стимулатори на гръбначния мозък (SCS), импланти за контрол на пикочния мехур, кохлеарни импланти и сърдечни пейсмейкъри.

Очаква се световната стойност на протезирането на горните крайници да надхвърли 2,3 милиарда щатски долара до 2025 г., според данни от доклад от август 2019 г. на Global Market Insight. През 2018 г. световната пазарна стойност достигна един милиард щатски долара въз основа на същия доклад. Приблизително два милиона американци са ампутирани и се правят над 185 000 ампутации годишно, според Националния информационен център за загуба на крайници. Съдовата болест представлява 82% от ампутациите в САЩ според доклада.

Миоелектрична протеза се използва за заместване на ампутираните части на тялото с изкуствено външен крайник, който се активира от съществуващите мускули на потребителя. Според изследователския екип на EPFL търговските устройства, които се предлагат днес, могат да дадат на потребителите високо ниво на автономност, но сръчността никъде не е толкова пъргава, колкото непокътнатата човешка ръка.

„Търговските устройства обикновено използват система за двуканален запис за управление на една степен на свобода; т.е. един sEMG канал за флексия и един за удължаване “, пишат изследователите от EPFL в своето проучване. „Макар и интуитивна, системата осигурява малко сръчност. Хората изоставят миоелектричните протези с висока скорост, отчасти защото смятат, че нивото на контрол е недостатъчно, за да заслужи цената и сложността на тези устройства. "

За да се справят с проблема с ловкостта с миоелектрични протези, изследователите на EPFL възприемат интердисциплинарен подход за това доказателство за концепция, като комбинират научните области на невроинженерството, роботиката и изкуствения интелект, за да полуавтоматизират част от моторната команда за „споделено контрол. "

Silvestro Micera, председател на Bertarelli Foundation на EPFL по транслационно невроинженерство и професор по биоелектроника в Scuola Superiore Sant'Anna, Италия, смята, че този споделен подход за контрол на роботизирани ръце може да подобри клиничното въздействие и използваемост за широк спектър от невропротезни цели, като мозъка -интерфейси към машината (BMI) и бионични стрелки.

„Една от причините търговските протези по-често да използват базирани на класификатори декодери вместо пропорционални, е, че класификаторите остават по-стабилни в определена поза“, пишат изследователите. „За схващане този тип контрол е идеален за предотвратяване на случайно изпускане, но жертва агенцията на потребителя, като ограничава броя на възможните пози на ръката. Нашето прилагане на споделен контрол дава възможност както за потребителска агенция, така и за постигане на стабилност. В свободното пространство потребителят има пълен контрол върху движенията на ръката, което също позволява волево предварително оформяне за хващане. "

В това проучване изследователите на EPFL се фокусираха върху проектирането на софтуерните алгоритми - роботизираният хардуер, предоставен от външни страни, се състои от Allegro Hand, монтиран на робота KUKA IIWA 7, система от камери OptiTrack и сензори за налягане TEKSCAN.

Учените от EPFL създадоха кинематичен пропорционален декодер, като създадоха многослоен персептрон (MLP), за да се научат как да интерпретират намерението на потребителя, за да го превърнат в движение на пръстите на изкуствена ръка. Многослойният персептрон е изкуствена невронна мрежа, която използва обратното разпространение. MLP е метод за дълбоко обучение, при който информацията се движи напред в една посока, в сравнение с цикъл или цикъл през изкуствената невронна мрежа.

Алгоритъмът се обучава чрез въвеждане на данни от потребителя, извършващи поредица от движения на ръката. За по-бързо време на конвергенция беше използван методът на Левенберг – Марквард за напасване на мрежовите тегла вместо градиентно спускане. Процесът на обучение с пълен модел беше бърз и отне по-малко от 10 минути за всеки от субектите, което прави алгоритъма практичен от гледна точка на клиничната употреба.

„За ампутирания всъщност е много трудно да свием мускулите по много, много различни начини да контролираме всички начини, по които се движат пръстите ни“, каза Кейти Джуанг от Транслационната неврологична инженерна лаборатория на EPFL, която беше първият автор на изследването . „Това, което правим, е да поставим тези сензори върху останалите им пънове, след това да ги запишем и да се опитаме да интерпретираме какви са сигналите за движение. Тъй като тези сигнали могат да бъдат малко шумни, това, от което се нуждаем, е този алгоритъм за машинно обучение, който извлича значима активност от тези мускули и ги интерпретира в движения. И тези движения са това, което контролира всеки пръст на роботизираните ръце. "

Тъй като машинните прогнози за движенията на пръстите може да не са 100 процента точни, изследователите на EPFL са включили роботизирана автоматизация, за да активират изкуствената ръка и автоматично да започнат да се затварят около обект, след като бъде осъществен първоначалният контакт. Ако потребителят иска да освободи обект, всичко, което той или тя трябва да направи, е да се опита да отвори ръката, за да изключи роботизирания контролер, и да върне потребителя обратно в контрола на ръката.

Според Aude Billard, който ръководи лабораторията за обучение на алгоритми и системи на EPFL, роботизираната ръка е в състояние да реагира в рамките на 400 милисекунди. „Снабден със сензори за налягане по целия пръст, той може да реагира и да стабилизира обекта, преди мозъкът действително да усети, че обектът се плъзга“, каза Билард.

Прилагайки изкуствен интелект към невроинженерството и роботиката, учените от EPFL демонстрират новия подход на споделен контрол между машината и намерението на потребителя - напредък в невропротезните технологии.

Copyright © 2019 Cami Rosso Всички права запазени.