Нови неуропротетик је пробој уметничке интелигенције

Научници из ЕПФЛ (Ецоле политецхникуе федерале де Лаусанне) у Швајцарској најавили су стварање првог на свету за роботску контролу руку - нове врсте неуропротетике која обједињује људску контролу са аутоматизацијом вештачке интелигенције (АИ) ради веће спретности робота и објавили своја истраживања Септембра 2019 у Интеллигенце Мацхине Мацхине .

Неуропротетика (неуронска протетика) су вештачки уређаји који стимулишу или побољшавају нервни систем електричном стимулацијом како би надокнадили недостатке који утичу на моторичке способности, когницију, вид, слух, комуникацију или сензорне вештине. Примери неуропротетике укључују интерфејс мозак-рачунар (БЦИ), дубоку стимулацију мозга, стимулаторе кичмене мождине (СЦС), имплантате за контролу бешике, кохлеарне имплантате и срчане пејсмејкере.

Очекује се да ће светска вредност протетике горњих удова премашити 2,3 милијарде УСД до 2025. године, према подацима из извештаја компаније Глобал Маркет Инсигхт из августа 2019. У 2018. години, светска тржишна вредност достигла је милијарду УСД на основу истог извештаја. Процењује се да два милиона Американаца ампутирају, а годишње се изврши преко 185.000 ампутација, према Националном информационом центру за губитак удова. Према извештају, васкуларна болест чини 82 процента ампутација у САД.

Миоелектрична протеза се користи за замену ампутираних делова тела вештачким екстремитетом споља напајаним који активирају постојећи мишићи корисника. Према истраживачком тиму ЕПФЛ-а, комерцијални уређаји који су данас доступни могу корисницима пружити висок ниво аутономије, али спретност није ни приближно окретна као нетакнута људска рука.

„Комерцијални уређаји обично користе двоканални систем за контролу једног степена слободе; односно један сЕМГ канал за флексију и један за продужење “, написали су истраживачи ЕПФЛ-а у својој студији. „Иако је интуитиван, систем пружа мало спретности. Људи напуштају миоелектричне протезе великом брзином, делом и зато што осећају да ниво контроле није довољан да удовољи цени и сложености ових уређаја. “

Да би се позабавили проблемом спретности миоелектричних протеза, истраживачи ЕПФЛ-а заузели су се интердисциплинарним приступом овој студији доказивања концепта комбиновањем научних области неуроинжењеринга, роботике и вештачке интелигенције да би полуаутоматизовали део моторичке команде за „дељене контрола. “

Силвестро Мицера, председавајући Бертарелли фондације ЕПФЛ-а у транслацијском неуроинжењерингу и професор биоелектронике у Сцуола Супериоре Сант'Анна у Италији, сматра да овај заједнички приступ контроли роботизованих руку може побољшати клинички утицај и употребљивост за широк спектар неуропротетичких сврха као што је мозак интерфејси за машину (БМИ) и бионичке казаљке.

„Један од разлога зашто комерцијалне протезе чешће користе декодере засноване на класификаторима уместо пропорционалним је тај што класификатори робусније остају у одређеном положају“, написали су истраживачи. „За хватање, ова врста контроле идеална је за спречавање случајног пада, али жртвује корисничку агенцију ограничавањем броја могућих положаја руку. Наша примена заједничке контроле омогућава и корисничку агенцију и схватање робусности. У слободном простору, корисник има потпуну контролу над покретима руку, што такође омогућава вољно предобликовање за хватање. “

У овој студији, истраживачи ЕПФЛ-а фокусирали су се на дизајн софтверских алгоритама - роботски хардвер који су обезбедиле спољне стране састоји се од Аллегро Ханд-а постављеног на роботу КУКА ИИВА 7, система камера ОптиТрацк и сензора притиска ТЕКСЦАН.

Научници ЕПФЛ-а створили су кинематички пропорционални декодер стварањем вишеслојног перцептрона (МЛП) како би научили како да протумаче корисникову намеру како би је преточили у кретање прстију на вештачкој руци. Вишеслојни перцептрон је вештачка неуронска мрежа која користи повратно ширење. МЛП је метода дубоког учења где се информације крећу напред у једном правцу, наспрам циклуса или петље кроз вештачку неуронску мрежу.

Алгоритам се обучава на основу улазних података корисника који изводе низ покрета руку. За брже време конвергенције коришћена је метода Левенберг – Маркуардт за прилагођавање мрежних тежина уместо градијентног спуштања. Процес обуке по целом моделу био је брз и трајао је мање од 10 минута за сваког од испитаника, чинећи алгоритам практичним из перспективе клиничке употребе.

„За ампутирану особу заправо је јако тешко стегнути мишиће на много, много различитих начина да контролише све начине на које се покрећу наши прсти“, рекла је Катие Зхуанг из ЕПФЛ Транслатионал Неурал Енгинееринг Лаб, која је била прва ауторка студије . „Оно што ми радимо је да ове сензоре ставимо на њихов преостали пањ, а затим их снимимо и покушамо да протумачимо који су сигнали покрета. Пошто ови сигнали могу бити помало бучни, потребан нам је овај алгоритам машинског учења који извлачи значајну активност из тих мишића и тумачи их у покрете. А ови покрети су оно што контролише сваки прст роботске руке. “

Будући да машинска предвиђања покрета прстију можда нису 100 посто тачна, истраживачи ЕПФЛ-а су уградили роботску аутоматизацију како би омогућили вештачку руку и аутоматски започели затварање око предмета након успостављања почетног контакта. Ако корисник жели да пусти објекат, све што треба да уради је да покуша да отвори руку како би искључио роботски контролер и врати корисника под контролу руке.

Према Ауде Биллард који води ЕПФЛ-ову Лабораторију за алгоритме и системе учења, роботска рука може да реагује у року од 400 милисекунди. „Опремљен сензорима притиска дуж свих прстију, може да реагује и стабилизује објекат пре него што мозак заиста схвати да предмет клизи“, рекао је Билард.

Применом вештачке интелигенције на неуроинжењеринг и роботику, научници ЕПФЛ-а показали су нови приступ заједничке контроле између намере машине и корисника - напредак у неуропротетској технологији.

Цопиригхт © 2019 Цами Россо Сва права задржана.