Yeni Nöroprotetik bir Yapay Zeka Robotik Buluşudur

İsviçre'deki EPFL'deki (École polytechnique fédérale de Lausanne) bilim adamları, robotik el kontrolü için dünyada bir ilk olan yeni bir nöroprotez türü yaratıldığını duyurdular - daha fazla robot el becerisi için insan kontrolünü yapay zeka (AI) otomasyonu ile birleştiren yeni bir nöroprotetik türü ve araştırmalarını Eylül 2019 içinde Doğa Makine Zekası .

Nöroprotetikler (nöral protezler), motor becerileri, biliş, görme, işitme, iletişim veya duyusal becerileri etkileyen eksiklikleri telafi etmek için elektriksel stimülasyon yoluyla sinir sistemini uyaran veya geliştiren yapay cihazlardır. Nöroprotetik örnekleri arasında beyin-bilgisayar arayüzleri (BCI'ler), derin beyin stimülasyonu, omurilik stimülatörleri (SCS), mesane kontrol implantları, koklear implantlar ve kalp pilleri bulunur.

Global Market Insight'ın Ağustos 2019 raporunda yer alan rakamlara göre, dünya çapında üst ekstremite protezlerinin değerinin 2025 yılına kadar 2,3 milyar doları aşması bekleniyor. Aynı rapora göre 2018 yılında dünya çapındaki piyasa değeri 1 milyar dolara ulaştı. Ulusal Ekstremite Kaybı Bilgi Merkezi'ne göre tahminen iki milyon Amerikalı ampute ve yılda 185.000'den fazla ampütasyon yapılıyor. Rapora göre vasküler hastalık, ABD'deki ampütasyonların yüzde 82'sini oluşturuyor.

Bir miyoelektrik protez, kesilmiş vücut parçalarını, kullanıcının mevcut kasları tarafından etkinleştirilen harici olarak güçlendirilmiş bir yapay uzuvla değiştirmek için kullanılır. EPFL araştırma ekibine göre, bugün mevcut olan ticari cihazlar kullanıcılara yüksek düzeyde bir özerklik sağlayabilir, ancak el becerisi hiçbir yerde bozulmamış insan eli kadar çevik değildir.

“Ticari cihazlar genellikle tek bir serbestlik derecesini kontrol etmek için iki kayıt kanallı bir sistem kullanır; yani fleksiyon için bir sEMG kanalı ve ekstansiyon için bir tane ”diye yazdı EPFL araştırmacıları çalışmalarında. "Sezgisel olsa da, sistem çok az el becerisi sağlıyor. İnsanlar, kısmen kontrol seviyesinin bu cihazların fiyatını ve karmaşıklığını hak etmek için yetersiz olduğunu düşündükleri için miyoelektrik protezleri yüksek oranlarda terk ediyorlar. "

Myoelektrik protezlerle el becerisi sorununu çözmek için, EPFL araştırmacıları bu kavram kanıtı çalışması için disiplinler arası bir yaklaşım benimsedi. kontrol."

EPFL'nin Bertarelli Vakfı Translasyon Nöro-Mühendislik Başkanı ve İtalya'daki Scuola Superiore Sant'Anna'da Biyoelektronik Profesörü olan Silvestro Micera, robotik elleri kontrol etmeye yönelik bu ortak yaklaşımın beyin gibi çok çeşitli nöroprotetik amaçlar için klinik etkiyi ve kullanılabilirliği artırabileceğini düşünüyor. - makineye arayüzler (BMI'ler) ve biyonik eller.

Araştırmacılar, "Ticari protezlerin orantılı olanlar yerine sınıflandırıcı tabanlı kod çözücüler kullanmasının bir nedeni sınıflandırıcıların belirli bir duruşta daha sağlam kalmasıdır" diye yazdı. "Kavrama için, bu tür bir kontrol yanlışlıkla düşmeyi önlemek için idealdir ancak olası el duruşlarının sayısını sınırlayarak kullanıcı aracısını feda eder. Paylaşılan kontrol uygulamamız, hem kullanıcı ajansına hem de kavrama sağlamlığına olanak tanır. Boş alanda, kullanıcı el hareketleri üzerinde tam kontrole sahiptir ve bu da kavrama için isteğe bağlı ön şekillendirmeye izin verir. "

Bu çalışmada, EPFL araştırmacıları yazılım algoritmalarının tasarımına odaklandılar - harici taraflarca sağlanan robotik donanım, KUKA IIWA 7 robotuna monte edilmiş bir Allegro El, bir OptiTrack kamera sistemi ve TEKSCAN basınç sensörlerinden oluşuyor.

EPFL bilim adamları, yapay bir eldeki parmak hareketine çevirmek için kullanıcının niyetini nasıl yorumlayacaklarını öğrenmek için çok katmanlı bir algılayıcı (MLP) oluşturarak kinematik bir orantılı kod çözücü yarattılar. Çok katmanlı bir algılayıcı, geri yayılımı kullanan ileri beslemeli bir yapay sinir ağıdır. MLP, bilginin bir yönde ileriye doğru hareket ettiği, yapay sinir ağında bir döngü veya döngü içinde hareket ettiği derin bir öğrenme yöntemidir.

Algoritma, kullanıcıdan bir dizi el hareketi gerçekleştiren giriş verileriyle eğitilir. Daha hızlı yakınsama süresi için, gradyan inişi yerine ağ ağırlıklarını uydurmak için Levenberg-Marquardt yöntemi kullanıldı. Tam model eğitim süreci hızlıydı ve her denek için 10 dakikadan kısa sürdü, bu da algoritmayı klinik kullanım açısından pratik hale getirdi.

Araştırma çalışmasının ilk yazarı olan EPFL Translational Neural Engineering Lab'den Katie Zhuang, "Bir ampute için, parmaklarımızın hareket ettiği tüm yolları kontrol etmenin pek çok farklı yolunu kaslarını kasılmak aslında çok zordur" dedi. . Yaptığımız şey, bu sensörleri kalan güdüklerine yerleştirip ardından onları kaydedip hareket sinyallerinin ne olduğunu yorumlamaya çalışmak. Bu sinyaller biraz gürültülü olabileceğinden, ihtiyacımız olan şey, bu kaslardan anlamlı aktiviteler çıkaran ve onları hareketler olarak yorumlayan bu makine öğrenme algoritmasıdır. Ve bu hareketler robotik ellerin her bir parmağını kontrol eden şeydir. "

Parmak hareketlerinin makine tahminleri yüzde 100 doğru olmayabileceğinden, EPFL araştırmacıları yapay eli etkinleştirmek ve ilk temas kurulduğunda bir nesnenin etrafını otomatik olarak kapatmaya başlamak için robotik otomasyonu dahil ettiler. Kullanıcı bir nesneyi serbest bırakmak isterse, robotik denetleyiciyi kapatmak için tek yapması gereken eli açmaya çalışmak ve kullanıcıyı tekrar elin kontrolüne sokmaktır.

EPFL'nin Öğrenme Algoritmaları ve Sistemler Laboratuvarı'nı yöneten Aude Billard'a göre robotik el 400 milisaniye içinde tepki verebiliyor. Billard, "Tüm parmaklar boyunca basınç sensörleri ile donatıldığında, beyin nesnenin kaydığını gerçekten algılamadan önce nesneye tepki verebilir ve onu dengeleyebilir" dedi.

EPFL bilim adamları, nöro-mühendislik ve robotik için yapay zeka uygulayarak, makine ve kullanıcı niyeti arasındaki yeni paylaşılan kontrol yaklaşımını gösterdiler - nöroprotetik teknolojide bir ilerleme.

Copyright © 2019 Cami Rosso Tüm hakları saklıdır.