Նոր նեյրոպրոտեզը AI ռոբոտաշինության առաջընթացն է

Շվեյցարիայի EPFL (École polytechnique fédérale de Lausanne) գիտնականները հայտարարել են ռոբոտացված ձեռքի կառավարման աշխարհում առաջին ստեղծման մասին. Նոր տեսակի նեյրոպրոտեզ, որը միավորում է մարդու հսկողությունը արհեստական ​​ինտելեկտի (AI) ավտոմատացման հետ ՝ ավելի մեծ ռոբոտի ճարպկության համար և հրապարակել են իրենց հետազոտությունները 2019 թ. Սեպտեմբեր Բնության մեքենայի բանականություն .

Neuroprosthetics- ը (նյարդային պրոթեզավորում) արհեստական ​​սարքեր է, որոնք խթանում կամ ուժեղացնում են նյարդային համակարգը էլեկտրական խթանման միջոցով ՝ փոխհատուցելու շարժիչ հմտությունների, ճանաչողության, տեսողության, լսողության, հաղորդակցության կամ զգայական հմտությունների վրա ազդող թերությունները: Նեյրոպրոտեզավորման օրինակներն են `ուղեղ-համակարգիչ ինտերֆեյսները (BCI), ուղեղի խորը խթանումը, ողնուղեղի խթանիչները (SCS), միզապարկի կառավարման իմպլանտները, կոկլեար իմպլանտները և սրտի խթանիչները:

Ըստ վերին վերջույթների պրոթեզավորման համաշխարհային արժեքի, մինչև 2025 թվականը նախատեսվում է գերազանցել 2,3 միլիարդ ԱՄՆ դոլարը, ասվում է Global Market Insight- ի 2019 թվականի օգոստոսի զեկույցի տվյալների մեջ: 2018 թվականին համաշխարհային շուկայական արժեքը նույն հաշվետվության հիման վրա հասավ մեկ միլիարդ ԱՄՆ դոլարի: Մոտ երկու միլիոն ամերիկացի անդամահատ է, և վերջույթների տարեկան կտրվածքով կատարվում է ավելի քան 185,000 անդամահատություն, հայտնում է Ազգային վերջույթների կորստի տեղեկատվական կենտրոնը: Ըստ զեկույցի, անոթային հիվանդություններին բաժին է ընկնում ԱՄՆ անդամահատումների 82 տոկոսը:

Միոէլեկտրական պրոթեզը օգտագործվում է մարմնի անդամահատված անդամները փոխարինելու համար արտաքին սնուցվող արհեստական ​​վերջույթով, որն ակտիվանում է օգտագործողի առկա մկանների միջոցով: Ըստ EPFL հետազոտական ​​թիմի, այսօր առկա կոմերցիոն սարքերը կարող են օգտվողներին ինքնավարության բարձր մակարդակ տալ, բայց ճարպկությունը ոչ մի տեղ այնքան արագաշարժ չէ, որքան անձեռնմխելի մարդու ձեռքը:

«Առևտրային սարքերը սովորաբար օգտագործում են երկու ձայնագրման ալիք ունեցող համակարգ ՝ ազատության մեկ աստիճանը վերահսկելու համար. այսինքն ՝ մեկ sEMG ալիք ճկման համար, և մեկը ՝ երկարացման », - գրել են EPFL հետազոտողները իրենց ուսումնասիրության մեջ: «Թեև ինտուիտիվ է, համակարգը ապահովում է փոքր հմտություն: Մարդիկ բարձր տեմպերով հրաժարվում են միոէլեկտրական պրոթեզներից, մասամբ այն պատճառով, որ կարծում են, որ վերահսկողության մակարդակն անբավարար է այդ սարքերի գինն ու բարդությունը արժանի համարելու համար »:

Միոէլեկտրական պրոթեզների հմտության խնդրին լուծում տալու համար, EPFL հետազոտողները միջառարկայական մոտեցում են ցուցաբերել այս գաղափարի հաստատման համար ՝ համատեղելով նեյրոինժեներության, ռոբոտաշինության և արհեստական ​​ինտելեկտի գիտական ​​ոլորտները ՝ կիսելով վերահսկողություն »:

Silvestro Micera, EPFL- ի Թարգմանական նյարդարդյունաբերության Bertarelli հիմնադրամի ամբիոնի վարիչ և Իտալիայի Scuola Superiore Sant'Anna- ի բիոէլեկտրոնիկայի պրոֆեսոր, կարծում է, որ ռոբոտացված ձեռքերը վերահսկելու այս ընդհանուր մոտեցումը կարող է բարելավել կլինիկական ազդեցությունն ու օգտագործելիությունը նեյրոպրոտեզի նպատակների համար, ինչպիսիք են ուղեղը: - մեքենայական ինտերֆեյսներով (BMI) և բիոնիկական ձեռքերով:

«Պատճառներից մեկը, որ առևտրային պրոթեզներն ավելի հաճախ օգտագործում են դասակարգչի վրա հիմնված վերծանիչները համամասնականի փոխարեն, այն է, որ դասակարգիչներն ավելի կայուն են մնում որոշակի կեցվածքի մեջ», - գրել են հետազոտողները: «Հասկանալու համար, կառավարման այս տեսակը իդեալական է պատահական անկումը կանխելու համար, բայց զոհաբերում է օգտագործողի գործակալությունը` սահմանափակելով ձեռքի հնարավոր կեցվածքների քանակը: Համօգտագործվող վերահսկողության մեր իրականացումը թույլ է տալիս ինչպես օգտագործողների գործակալությանը, այնպես էլ ընկալել կայունությունը: Ազատ տարածության մեջ օգտագործողը լիովին վերահսկում է ձեռքի շարժումները, ինչը նաև թույլ է տալիս ընկալման համար կամային նախնական ձևավորում »:

Այս ուսումնասիրության ընթացքում EPFL հետազոտողները կենտրոնացել են ծրագրային ապահովման ալգորիթմների նախագծման վրա. Արտաքին կողմերի կողմից տրամադրված ռոբոտային սարքավորումը բաղկացած է Allegro Hand- ից, որը տեղադրված է KUKA IIWA 7 ռոբոտի վրա, OptiTrack տեսախցիկի համակարգ և TEKSCAN ճնշման սենսորներ:

EPFL գիտնականները ստեղծեցին կինեմատիկական համամասնական վերծանող ՝ ստեղծելով բազմաշերտ պերսեպտրոն (MLP) ՝ սովորելու, թե ինչպես մեկնաբանել օգտագործողի մտադրությունը, որպեսզի այն արհեստական ​​ձեռքի մատների շարժման վերածվի: Բազմաշերտ պերսեպտրոնը նախնական արհեստական ​​նեյրոնային ցանց է, որն օգտագործում է հետբազմացում: MLP- ն խորը ուսուցման մեթոդ է, որտեղ տեղեկատվությունը առաջ է շարժվում մեկ ուղղությամբ, հակառակ արհեստական ​​նյարդային ցանցի միջոցով ցիկլի կամ օղակի:

Ալգորիթմը մարզվում է օգտագործողի մուտքային տվյալների միջոցով, որոնք կատարում են մի շարք ձեռքի շարժումներ: Ավելի արագ կոնվերգենցիայի ժամանակ Լևենբերգ-Մարկվարդ մեթոդն օգտագործվում էր ցանցային կշիռները աստիճանական իջեցման փոխարեն տեղադրելու համար: Լիարժեք մոդելի ուսուցման գործընթացը արագ էր և տևում էր 10 րոպեից պակաս առարկայի յուրաքանչյուրի համար ՝ ալգորիթմը գործնական դարձնելով կլինիկական օգտագործման տեսանկյունից:

«Ամպուտեյի համար իրականում շատ դժվար է մկանները կծկել շատ ու շատ տարբեր ձևերով` մեր մատների շարժման բոլոր եղանակները վերահսկելու համար », - ասաց Քեթի huուանգը EPFL Translational Neural Engineering Lab- ում, որը հետազոտական ​​ուսումնասիրության առաջին հեղինակն էր: , «Այն, ինչ մենք անում ենք, այս սենսորները դնել նրանց մնացած կոճղի վրա, ապա դրանք գրանցել և փորձել մեկնաբանել, թե որոնք են շարժման ազդանշանները: Քանի որ այս ազդանշանները կարող են մի փոքր աղմկոտ լինել, մեզ պետք է մեքենայի ուսուցման այս ալգորիթմը, որն այդ մկաններից իմաստալից գործունեություն է արդյունահանում և դրանք մեկնաբանում շարժումների: Եվ այս շարժումներն են, որ վերահսկում են ռոբոտացված ձեռքերի յուրաքանչյուր մատը »:

Քանի որ մատի շարժումների մեքենայական կանխատեսումները կարող են 100 տոկոս ճշգրիտ չլինել, EPFL հետազոտողները ներառեցին ռոբոտացված ավտոմատացում ՝ արհեստական ​​ձեռքը գործի դնելու համար և նախնական շփումն ավարտվելուց հետո ավտոմատ կերպով սկսում են փակվել առարկայի շուրջ: Եթե ​​օգտագործողը ցանկանում է առարկա բաց թողնել, ապա նրան մնում է միայն փորձել բացել ձեռքը ՝ ռոբոտացված կարգավորիչն անջատելու և օգտագործողին ձեռքը վերստին հսկելու համար:

Ըստ Աուդ Բիլարդի, որը ղեկավարում է EPFL- ի Ուսուցման ալգորիթմների և համակարգերի լաբորատորիան, ռոբոտացված ձեռքն ի վիճակի է արձագանքել 400 միլիվայրկյանում: «Մատների երկայնքով հագեցած ճնշման տվիչներով, այն կարող է արձագանքել և կայունացնել առարկան, մինչ ուղեղը իրականում կկարողանա ընկալել, որ այդ օբյեկտը սահում է», - ասաց Բիլարդը:

Արհեստական ​​ինտելեկտ կիրառելով նեյրոինժեներության և ռոբոտաշինության մեջ, EPFL գիտնականները ցույց են տվել մեքենայի և օգտագործողի մտադրության միջև ընդհանուր վերահսկողության նոր մոտեցում ՝ նեյրոպրոտեզավորման տեխնոլոգիայի առաջընթաց:

Հեղինակային իրավունք © 2019 Cami Rosso. Բոլոր իրավունքները պաշտպանված են: