Το νέο νευροπροσθετικό είναι μια πρωτοποριακή ρομποτική AI

Οι επιστήμονες στο EPFL (École polytechnique fédérale de Lausanne) στην Ελβετία ανακοίνωσαν τη δημιουργία ενός πρώτου στον κόσμο ρομποτικού ελέγχου χεριών - ενός νέου τύπου νευροπροθετικού που ενώνει τον ανθρώπινο έλεγχο με αυτοματοποίηση τεχνητής νοημοσύνης (AI) για μεγαλύτερη δεξιότητα ρομπότ και δημοσίευσε την έρευνά τους στο Σεπτέμβριος 2019 στις Νοημοσύνη μηχανών φύσης .

Τα νευροπροθετικά (νευρωνικά προσθετικά) είναι τεχνητές συσκευές που διεγείρουν ή ενισχύουν το νευρικό σύστημα μέσω ηλεκτρικής διέγερσης για να αντισταθμίσουν τις ελλείψεις που επηρεάζουν τις κινητικές δεξιότητες, τη γνώση, την όραση, την ακοή, την επικοινωνία ή τις αισθητηριακές δεξιότητες. Παραδείγματα νευροπροθετικών περιλαμβάνουν διεπαφές εγκεφάλου-υπολογιστή (BCIs), βαθιά εγκεφαλική διέγερση, διεγέρτες νωτιαίου μυελού (SCS), εμφυτεύματα ελέγχου της ουροδόχου κύστης, κοχλιακά εμφυτεύματα και καρδιακούς βηματοδότες.

Η παγκόσμια τιμή προσθετικών άνω άκρων αναμένεται να υπερβεί τα 2,3 δισεκατομμύρια δολάρια ΗΠΑ έως το 2025, σύμφωνα με στοιχεία από μια έκθεση του Global Market Insight τον Αύγουστο του 2019. Το 2018, η παγκόσμια αγοραία αξία έφτασε το ένα δισεκατομμύριο δολάρια ΗΠΑ με βάση την ίδια έκθεση. Εκτιμάται ότι δύο εκατομμύρια Αμερικανοί είναι ακρωτηριασμένοι και υπάρχουν πάνω από 185.000 ακρωτηριασμοί ετησίως, σύμφωνα με το Εθνικό Κέντρο Πληροφοριών για απώλεια άκρων. Η αγγειακή νόσος αντιπροσωπεύει το 82% των ακρωτηριασμών των ΗΠΑ σύμφωνα με την έκθεση.

Μια μυοηλεκτρική πρόθεση χρησιμοποιείται για την αντικατάσταση των ακρωτηριασμένων μερών του σώματος με ένα εξωτερικό τεχνητό άκρο που ενεργοποιείται από τους υπάρχοντες μύες του χρήστη. Σύμφωνα με την ερευνητική ομάδα του EPFL, οι διαθέσιμες εμπορικές συσκευές σήμερα μπορούν να προσφέρουν στους χρήστες υψηλό επίπεδο αυτονομίας, αλλά η επιδεξιότητα δεν είναι πουθενά τόσο ευέλικτη όσο το άθικτο ανθρώπινο χέρι.

«Οι εμπορικές συσκευές χρησιμοποιούν συνήθως ένα σύστημα δύο καναλιών εγγραφής για τον έλεγχο ενός μόνο βαθμού ελευθερίας. δηλαδή, ένα κανάλι sEMG για κάμψη και ένα για επέκταση », έγραψαν οι ερευνητές του EPFL στη μελέτη τους. «Ενώ είναι διαισθητικό, το σύστημα παρέχει μικρή επιδεξιότητα. Οι άνθρωποι εγκαταλείπουν τις μυοηλεκτρικές προσθέσεις σε υψηλά ποσοστά, εν μέρει επειδή πιστεύουν ότι το επίπεδο ελέγχου είναι ανεπαρκές για να αξίζει την τιμή και την πολυπλοκότητα αυτών των συσκευών. "

Για την αντιμετώπιση του προβλήματος της επιδεξιότητας με μυοηλεκτρικές προσθέσεις, οι ερευνητές του EPFL υιοθέτησαν μια διεπιστημονική προσέγγιση για αυτήν τη μελέτη απόδειξης της έννοιας συνδυάζοντας τα επιστημονικά πεδία της νευρομηχανικής, της ρομποτικής και της τεχνητής νοημοσύνης για να ημι-αυτοματοποιηθεί ένα μέρος της εντολής του κινητήρα για "κοινόχρηστο" έλεγχος."

Ο Silvestro Micera, πρόεδρος του EPFL Bertarelli Foundation στο Translational Neuroengineering και καθηγητής Βιοηλεκτρονικής στο Scuola Superiore Sant'Anna στην Ιταλία, θεωρεί ότι αυτή η κοινή προσέγγιση για τον έλεγχο των ρομποτικών χεριών μπορεί να βελτιώσει τον κλινικό αντίκτυπο και τη χρηστικότητα για ένα ευρύ φάσμα νευροπροθετικών σκοπών όπως ο εγκέφαλος -επαφές διεπαφής (BMIs) και βιονικά χέρια.

«Ένας λόγος για τον οποίο οι εμπορικές προθέσεις χρησιμοποιούν πιο συχνά αποκωδικοποιητές που βασίζονται σε ταξινομητές αντί για αναλογικούς είναι επειδή οι ταξινομητές παραμένουν πιο ισχυρά σε μια συγκεκριμένη στάση», έγραψαν οι ερευνητές. «Για να πιάσετε, αυτός ο τύπος ελέγχου είναι ιδανικός για την αποφυγή τυχαίας πτώσης, αλλά θυσιάζει την πρακτική του χρήστη περιορίζοντας τον αριθμό των πιθανών στάσεων στα χέρια. Η εφαρμογή του κοινού ελέγχου επιτρέπει τόσο την πρακτορεία χρηστών όσο και την ευρωστία. Στον ελεύθερο χώρο, ο χρήστης έχει τον πλήρη έλεγχο των κινήσεων των χεριών, κάτι που επιτρέπει επίσης την εκούσια προ-διαμόρφωση για να πιάσει ».

Σε αυτήν τη μελέτη, οι ερευνητές του EPFL επικεντρώθηκαν στο σχεδιασμό των αλγορίθμων λογισμικού - το ρομποτικό υλικό που παρείχε εξωτερικά μέρη αποτελείται από ένα Allegro Hand τοποθετημένο στο ρομπότ KUKA IIWA 7, ένα σύστημα κάμερας OptiTrack και αισθητήρες πίεσης TEKSCAN.

Οι επιστήμονες του EPFL δημιούργησαν έναν κινηματικό αναλογικό αποκωδικοποιητή δημιουργώντας ένα πολυεπίπεδο perceptron (MLP) για να μάθουν πώς να ερμηνεύουν την πρόθεση του χρήστη προκειμένου να το μεταφράσουν σε κίνηση των δακτύλων σε ένα τεχνητό χέρι. Ένα πολυεπίπεδο perceptron είναι ένα τεχνητό νευρικό δίκτυο τροφοδοσίας που χρησιμοποιεί backpropagation. Το MLP είναι μια μέθοδος βαθιάς μάθησης όπου η πληροφορία κινείται προς τα εμπρός σε μία κατεύθυνση, έναντι ενός κύκλου ή βρόχου μέσω του τεχνητού νευρικού δικτύου.

Ο αλγόριθμος εκπαιδεύεται από δεδομένα εισόδου από τον χρήστη που εκτελεί μια σειρά κινήσεων χεριών. Για γρηγορότερο χρόνο σύγκλισης, χρησιμοποιήθηκε η μέθοδος Levenberg – Marquardt για την προσαρμογή των βαρών του δικτύου αντί της κατάβασης κλίσης. Η διαδικασία εκπαίδευσης πλήρους μοντέλου ήταν γρήγορη και χρειάστηκε λιγότερο από 10 λεπτά για κάθε ένα από τα θέματα, κάνοντας τον αλγόριθμο πρακτικό από την άποψη της κλινικής χρήσης.

«Για έναν ακρωτηριασμό, στην πραγματικότητα είναι πολύ δύσκολο να συστέλλονται οι μύες με πολλούς, πολλούς διαφορετικούς τρόπους για τον έλεγχο όλων των τρόπων με τους οποίους κινούνται τα δάχτυλά μας», δήλωσε η Katie Zhuang στο Εργαστήριο Μεταφραστικής Νευρολογίας του EPFL, η οποία ήταν η πρώτη συγγραφέας της ερευνητικής μελέτης . «Αυτό που κάνουμε είναι να βάλουμε αυτούς τους αισθητήρες στο υπόλοιπο κολόβωμα τους, και στη συνέχεια να τους ηχογραφήσουμε και να προσπαθήσουμε να ερμηνεύσουμε ποια είναι τα σήματα κίνησης. Επειδή αυτά τα σήματα μπορεί να είναι λίγο θορυβώδη, αυτό που χρειαζόμαστε είναι αυτός ο αλγόριθμος μηχανικής μάθησης που εξάγει σημαντική δραστηριότητα από αυτούς τους μυς και τις ερμηνεύει σε κινήσεις. Και αυτές οι κινήσεις ελέγχουν κάθε δάχτυλο των ρομποτικών χεριών. "

Επειδή οι μηχανικές προβλέψεις για τις κινήσεις των δακτύλων μπορεί να μην είναι 100 τοις εκατό ακριβείς, οι ερευνητές του EPFL ενσωμάτωσαν ρομποτικό αυτοματισμό για να επιτρέψουν στο τεχνητό χέρι και να αρχίσουν αυτόματα να κλείνουν γύρω από ένα αντικείμενο μόλις γίνει η αρχική επαφή. Εάν ο χρήστης θέλει να απελευθερώσει ένα αντικείμενο, το μόνο που πρέπει να κάνει είναι να προσπαθήσει να ανοίξει το χέρι για να απενεργοποιήσει το ρομποτικό χειριστήριο και να θέσει ξανά τον χρήστη στον έλεγχο του χεριού.

Σύμφωνα με τον Aude Billard, ο οποίος ηγείται του Εργαστηρίου Μαθησιακών Αλγορίθμων και Συστημάτων του EPFL, το ρομποτικό χέρι μπορεί να αντιδράσει σε 400 χιλιοστά του δευτερολέπτου. «Εξοπλισμένο με αισθητήρες πίεσης κατά μήκος των δακτύλων, μπορεί να αντιδράσει και να σταθεροποιήσει το αντικείμενο, προτού ο εγκέφαλος μπορεί να αντιληφθεί ότι το αντικείμενο γλιστρά», δήλωσε ο Billard.

Εφαρμόζοντας την τεχνητή νοημοσύνη στη νευρομηχανική και τη ρομποτική, οι επιστήμονες του EPFL απέδειξαν τη νέα προσέγγιση του κοινού ελέγχου μεταξύ της πρόθεσης του μηχανήματος και του χρήστη - μια πρόοδο στη νευροπροθετική τεχνολογία.

Πνευματικά δικαιώματα © 2019 Cami Rosso Με επιφύλαξη παντός δικαιώματος.