Nova Neŭroprotezo Estas AI-Robotika Trarompo

Sciencistoj ĉe EPFL (École polytechnique fédérale de Lausanne) en Svislando anoncis la kreadon de monda unua por robota kontrolo de manoj - nova speco de neŭroprotezo, kiu unuigas homan kontrolon kun artefarita inteligenteco (AI) aŭtomatigo por pli granda robota lerteco kaj publikigis siajn esplorojn en Septembro 2019 en Natura Maŝino-Inteligenteco .

Neŭroprotezo (neŭrotezaj protezoj) estas artefaritaj aparatoj, kiuj stimulas aŭ plibonigas la nervan sistemon per elektra stimulo por kompensi mankojn, kiuj efikas sur motoraj kapabloj, ekkono, vidado, aŭdo, komunikado aŭ sensaj kapabloj. Ekzemploj de neŭroprotezo inkluzivas interfacojn cerbo-komputilo (BCI), profundan cerban stimulon, stimulilojn de medolo espinal (SCS), enplantaĵojn de vezika kontrolo, kokleajn enplantojn kaj korajn korstimulilojn.

La tutmonda supra protesia valoro superas 2,3 miliardojn da dolaroj antaŭ 2025, laŭ ciferoj de raporto de aŭgusto 2019 de Tutmonda Merkata Kompreno. En 2018, la tutmonda merkata valoro atingis unu miliardon da dolaroj surbaze de la sama raporto. Laŭtaksaj du milionoj da usonanoj estas amputaciuloj, kaj ĉiujare estas faritaj pli ol 185 000 amputoj, laŭ la Nacia Centro pri Informo pri Perdo de Membroj. Vaskula malsano reprezentas 82 procentojn de usonaj amputoj laŭ la raporto.

Miaelektra protezo kutimas anstataŭigi amputitajn korpopartojn per ekstere elektra artefarita membro, kiu estas aktivigita de la ekzistantaj muskoloj de la uzanto. Laŭ la esplora teamo de EPFL, la komercaj aparatoj hodiaŭ haveblaj povas doni al uzantoj altan nivelon de aŭtonomeco, sed la lerteco nenie estas preskaŭ same lerta kiel la sendifekta homa mano.

“Komercaj aparatoj kutime uzas du-registrad-kanalan sistemon por regi unu solan gradon da libereco; tio estas unu sEMG-kanalo por fleksado kaj unu por etendo ", skribis la esploristoj de EPFL en sia studo. “Kvankam intuicia, la sistemo donas malmultan lertecon. Homoj forlasas mioelektrajn protezojn kun altaj rapidoj, parte ĉar ili sentas, ke la nivelo de kontrolo estas nesufiĉa por meriti la prezon kaj kompleksecon de ĉi tiuj aparatoj. "

Por trakti la problemon de lerteco per mioelektraj protezoj, esploristoj de EPFL prenis interfakan aliron al ĉi tiu pruva-koncepta studo kombinante la sciencajn kampojn de neŭroinĝenieristiko, robotiko kaj artefarita inteligenteco por duonaŭtomatigi parton de la motora komando por "dividita". kontrolo. "

Silvestro Micera, Fondaĵo Bertarelli de EPFL en Translational Neŭroinĝenieristiko, kaj Profesoro pri Bioelektroniko ĉe Scuola Superiore Sant'Anna en Italio, opinias, ke ĉi tiu komuna aliro por kontroli robotajn manojn povas plibonigi la klinikan efikon kaj uzeblon por vasta gamo de neŭroprotezaj celoj kiel cerbo. -maŝinaj interfacoj (BMI) kaj bionaj manoj.

"Unu kialo, kial komercaj protezoj pli ofte uzas malĉifrilojn bazitajn en klasigiloj anstataŭ proporciaj, estas ĉar klasifikiloj pli fortike restas en aparta sinteno," skribis la esploristoj. "Por ekteni, ĉi tiu speco de kontrolo estas ideala por eviti akcidentan falon, sed oferas uzanton, limigante la nombron de eblaj manaj pozicioj. Nia efektivigo de komuna kontrolo permesas kaj uzantinstancon kaj ektenan fortikecon. En libera spaco, la uzanto havas plenan kontrolon pri manaj movoj, kio ankaŭ permesas volan antaŭformadon por kapti. "

En ĉi tiu studo, la EPFL-esploristoj fokusiĝis al la projektado de la programaj algoritmoj - la robota aparataro provizita de eksteraj partioj konsistas el Allegro Hand muntita sur la roboto KUKA IIWA 7, fotila sistemo OptiTrack kaj premsensiloj TEKSCAN.

La sciencistoj de EPFL kreis kinematikan proporcian malĉifrilon per kreado de plurtavola perceptrono (MLP) por lerni kiel interpreti la intencon de la uzanto por traduki ĝin en movadon de fingroj sur artefarita mano. Multitavola perceptrono estas antaŭfluita artefarita neŭrala reto, kiu uzas malantaŭan disvastigon. MLP estas profunda lerna metodo, kie informoj antaŭeniras en unu direkto, kontraŭ ciklo aŭ buklo tra la artefarita neŭrala reto.

La algoritmo estas trejnita per eniraj datumoj de la uzanto plenumanta serion de manaj movoj. Por pli rapida konverĝa tempo, la metodo Levenberg-Marquardt estis uzata por adapti la retajn pezojn anstataŭ gradientan devenon. La plenmodela trejna procezo estis rapida kaj daŭris malpli ol 10 minutojn por ĉiu el la subjektoj, igante la algoritmon praktika de klinika uzo.

"Por amputaciulo, estas efektive tre malfacile kuntiri la muskolojn multajn, multajn malsamajn manierojn regi ĉiujn manierojn, kiujn movas niaj fingroj," diris Katie Zhuang ĉe la Laboratorio pri Translacia Neŭrala Inĝenierado de EPFL, kiu estis la unua aŭtoro de la esplora studo. . "Kion ni faras, ni metas ĉi tiujn sensilojn sur ilian restantan stumpon, kaj poste registras ilin kaj provas interpreti, kiaj estas la movaj signaloj. Ĉar ĉi tiuj signaloj povas esti iom bruaj, ni bezonas ĉi tiun maŝinlernan algoritmon, kiu ĉerpas sencan agadon de tiuj muskoloj kaj interpretas ilin en movadojn. Kaj ĉi tiuj movadoj regas ĉiun fingron de la robotaj manoj. "

Ĉar la maŝinaj antaŭdiroj de la fingromovoj eble ne estas 100% precizaj, la esploristoj de EPFL enkorpigis robotan aŭtomatigon por ebligi la artefaritan manon kaj aŭtomate ekfermi ĉirkaŭ objekto post kiam la komenca kontakto fariĝas. Se la uzanto volas liberigi objekton, ĉio, kion li aŭ ŝi devas fari, estas provi malfermi la manon por malŝalti la robotregilon, kaj remeti la uzanton en la manon.

Laŭ Aude Billard, kiu gvidas Learning Algorithms and Systems Laboratory de EPFL, la robota mano povas reagi ene de 400 milisekundoj. "Ekipita per premaj sensiloj laŭlonge de la fingroj, ĝi povas reagi kaj stabiligi la objekton antaŭ ol la cerbo efektive perceptas, ke la objekto glitas," diris Billard.

Aplikante artefaritan inteligentecon al neŭroĝenieristiko kaj robotiko, la EPFL-sciencistoj pruvis la novan aliron al komuna kontrolo inter maŝino kaj uzanto-intenco - progreso en neŭroproteza teknologio.

Kopirajto © 2019 Cami Rosso Ĉiuj rajtoj rezervitaj.