Новый нейропротез - прорыв в робототехнике искусственного интеллекта

Ученые из EPFL (Федеральная политехническая школа Лозанны) в Швейцарии объявили о создании первого в мире устройства для ручного управления роботом - нового типа нейропротеза, который объединяет управление человеком с автоматизацией искусственного интеллекта (ИИ) для большей ловкости роботов, и опубликовали свое исследование в Сентябрь 2019 в Природа Машинный интеллект .

Нейропротезирование (нейропротезирование) - это искусственные устройства, которые стимулируют или усиливают нервную систему с помощью электрической стимуляции, чтобы компенсировать недостатки, влияющие на двигательные навыки, познание, зрение, слух, коммуникативные или сенсорные навыки. Примеры нейропротезирования включают интерфейсы мозг-компьютер (BCI), глубокую стимуляцию мозга, стимуляторы спинного мозга (SCS), имплантаты для контроля мочевого пузыря, кохлеарные имплантаты и кардиостимуляторы.

Согласно данным отчета Global Market Insight за август 2019 года, к 2025 году мировая стоимость протезирования верхних конечностей превысит 2,3 миллиарда долларов США. Согласно тому же отчету, в 2018 году мировая рыночная стоимость достигла одного миллиарда долларов США. По оценкам Национального информационного центра по потере конечностей, около двух миллионов американцев имеют ампутации, и ежегодно делается более 185 000 ампутаций. Согласно отчету, на сосудистые заболевания приходится 82 процента ампутаций в США.

Миоэлектрический протез используется для замены ампутированных частей тела протезом с внешним питанием, который активируется существующими мышцами пользователя. По данным исследовательской группы EPFL, коммерческие устройства, доступные сегодня, могут дать пользователям высокий уровень автономии, но их маневренность нигде не так маневренна, как неповрежденная человеческая рука.

«В коммерческих устройствах обычно используется двухканальная система записи для управления одной степенью свободы; то есть один канал пЭМГ для сгибания и один для разгибания », - написали исследователи EPFL в своем исследовании. «Хотя эта система интуитивно понятна, она не требует особой маневренности. Люди часто отказываются от миоэлектрических протезов, отчасти потому, что они считают, что уровень контроля недостаточен, чтобы оправдать цену и сложность этих устройств ».

Чтобы решить проблему ловкости с помощью миоэлектрических протезов, исследователи EPFL применили междисциплинарный подход для этого экспериментального исследования, объединив научные области нейроинженерии, робототехники и искусственного интеллекта для полуавтоматизации части моторной команды для «общего доступа». контроль."

Сильвестро Мицера, заведующий кафедрой трансляционной нейроинженерии Фонда Бертарелли EPFL и профессор биоэлектроники в Scuola Superiore Sant'Anna в Италии, считает, что этот общий подход к управлению роботизированными руками может улучшить клиническое воздействие и удобство использования для широкого спектра нейропротетических целей, таких как мозг межмашинные интерфейсы (ИМТ) и бионические руки.

«Одна из причин, по которой в коммерческих протезах чаще используются декодеры на основе классификаторов вместо пропорциональных, заключается в том, что классификаторы более устойчиво остаются в определенном положении», - пишут исследователи. «Для захвата этот тип управления идеально подходит для предотвращения случайного падения, но жертвует свободой действий пользователя, ограничивая количество возможных положений рук. Наша реализация совместного контроля позволяет как пользователю действовать, так и цепляться за надежность. В свободном пространстве пользователь полностью контролирует движения рук, что также позволяет произвольно формировать захват ».

В этом исследовании исследователи EPFL сосредоточились на разработке программных алгоритмов - роботизированное оборудование, предоставленное внешними сторонами, состоит из Allegro Hand, установленного на роботе KUKA IIWA 7, системы камер OptiTrack и датчиков давления TEKSCAN.

Ученые EPFL создали кинематический пропорциональный декодер, создав многослойный перцептрон (MLP), чтобы научиться интерпретировать намерение пользователя, чтобы преобразовать его в движение пальцев на искусственной руке. Многослойный перцептрон - это искусственная нейронная сеть с прямой связью, которая использует обратное распространение. MLP - это метод глубокого обучения, при котором информация движется вперед в одном направлении, а не в цикле или цикле через искусственную нейронную сеть.

Алгоритм обучается на входных данных от пользователя, выполняющего серию движений руки. Для сокращения времени сходимости для подбора весов сети вместо градиентного спуска использовался метод Левенберга – Марквардта. Процесс обучения полной модели был быстрым и занял менее 10 минут для каждого из испытуемых, что сделало алгоритм практичным с точки зрения клинического использования.

«Для инвалида на самом деле очень сложно сокращать мышцы множеством различных способов контролировать все движения наших пальцев», - сказала Кэти Чжуанг из Лаборатории трансляционной нейронной инженерии EPFL, которая была первым автором исследования. . «Что мы делаем, так это помещаем эти датчики на их оставшуюся культю, а затем записываем их и пытаемся интерпретировать сигналы движения. Поскольку эти сигналы могут быть немного шумными, нам нужен алгоритм машинного обучения, который извлекает значимую активность из этих мышц и интерпретирует их в движения. И именно эти движения управляют каждым пальцем рук робота ».

Поскольку машинные предсказания движений пальцев могут быть не на 100% точными, исследователи EPFL включили роботизированную автоматизацию, чтобы включить искусственную руку и автоматически начать смыкание вокруг объекта после первого контакта. Если пользователь хочет освободить объект, все, что ему нужно сделать, это попытаться открыть руку, чтобы выключить роботизированный контроллер и вернуть пользователю контроль над рукой.

По словам Од Биларда, который возглавляет лабораторию алгоритмов обучения и систем EPFL, роботизированная рука способна реагировать в течение 400 миллисекунд. «Оснащенный датчиками давления на всех пальцах, он может реагировать и стабилизировать объект до того, как мозг действительно заметит, что объект скользит», - сказал Биллард.

Применяя искусственный интеллект к нейроинженерии и робототехнике, ученые EPFL продемонстрировали новый подход совместного управления между машиной и намерением пользователя - прогресс в технологии нейропротезирования.

Copyright © 2019 Cami Rosso Все права защищены.