Neuroprosthetic Baru Adalah Terobosan Robotik AI

Para saintis di EPFL (École polytechnique fédérale de Lausanne) di Switzerland telah mengumumkan penciptaan yang pertama di dunia untuk kawalan tangan robotik - jenis neuroprosthetic baru yang menyatukan kawalan manusia dengan automasi kecerdasan buatan (AI) untuk ketangkasan robot yang lebih besar dan menerbitkan penyelidikan mereka di September 2019 di Kecerdasan Mesin Alam .

Neuroprosthetics (neural prosthetics) adalah alat tiruan yang merangsang atau meningkatkan sistem saraf melalui rangsangan elektrik untuk mengimbangi kekurangan yang mempengaruhi kemahiran motor, kognisi, penglihatan, pendengaran, komunikasi, atau kemahiran deria. Contoh neuroprosthetics termasuk antaramuka otak-komputer (BCI), rangsangan otak dalam, perangsang saraf tunjang (SCS), implan kawalan pundi kencing, implan koklea, dan alat pacu jantung.

Nilai prostetik anggota badan atas di seluruh dunia dijangka melebihi 2,3 bilion USD pada tahun 2025, menurut angka dari laporan Ogos 2019 oleh Global Market Insight. Pada tahun 2018, nilai pasaran di seluruh dunia mencapai satu bilion USD berdasarkan laporan yang sama. Dianggarkan dua juta orang Amerika diamputasi, dan terdapat lebih dari 185,000 amputasi dilakukan setiap tahun, menurut Pusat Maklumat Kehilangan Limbah Nasional. Penyakit vaskular menyumbang 82 peratus amputasi A.S. menurut laporan itu.

Prostesis myoelectric digunakan untuk menggantikan bahagian badan yang diamputasi dengan anggota badan buatan yang diaktifkan secara luaran yang diaktifkan oleh otot pengguna yang ada. Menurut pasukan penyelidik EPFL, alat komersial yang ada hari ini dapat memberi pengguna tahap autonomi yang tinggi, tetapi ketangkasan hampir sama tangkasnya dengan tangan manusia yang utuh.

"Peranti komersial biasanya menggunakan sistem saluran rakaman dua untuk mengawal satu tahap kebebasan; iaitu, satu saluran sEMG untuk lenturan dan satu untuk pemanjangan, ”tulis para penyelidik EPFL dalam kajian mereka. “Walaupun intuitif, sistem ini memberikan sedikit ketangkasan. Orang meninggalkan prostesis myoelectric pada kadar yang tinggi, sebahagiannya kerana mereka merasakan bahawa tahap kawalan tidak mencukupi untuk menilai harga dan kerumitan peranti ini. "

Untuk mengatasi masalah ketangkasan dengan prostesis myoelectric, penyelidik EPFL mengambil pendekatan interdisipliner untuk kajian bukti konsep ini dengan menggabungkan bidang saintifik neuroengineering, robotik, dan kecerdasan buatan untuk mengautomatikkan sebahagian daripada perintah motor untuk "dikongsi" kawalan. "

Silvestro Micera, Pengerusi Yayasan Bertarelli EPFL dalam Neuroengineering Translasional, dan Profesor Bioelektronik di Scuola Superiore Sant'Anna di Itali, berpendapat pendekatan bersama untuk mengawal tangan robotik dapat meningkatkan kesan dan kegunaan klinikal untuk pelbagai tujuan neuroprosthetic seperti otak - antara muka mesin (BMI) dan tangan bionik.

"Salah satu sebab mengapa prostesis komersial lebih sering menggunakan penyahkod berdasarkan pengkelasan dan bukannya yang berkadar adalah kerana pengklasifikasi lebih kuat tetap dalam postur tertentu," tulis para penyelidik. “Untuk mencengkam, kawalan jenis ini sangat sesuai untuk mencegah terjadinya penurunan secara tidak sengaja tetapi mengorbankan agensi pengguna dengan menyekat jumlah postur tangan yang mungkin. Pelaksanaan kawalan bersama kami membolehkan agensi pengguna dan kekuatan. Di ruang bebas, pengguna memiliki kendali penuh terhadap pergerakan tangan, yang juga memungkinkan untuk membentuk awal secara sukarela untuk mencengkam. "

Dalam kajian ini, penyelidik EPFL memfokuskan pada reka bentuk algoritma perisian — perkakasan robotik yang disediakan oleh pihak luar terdiri daripada Tangan Allegro yang dipasang pada robot KUKA IIWA 7, sistem kamera OptiTrack dan sensor tekanan TEKSCAN.

Para saintis EPFL mencipta penyahkod berkadar kinematik dengan membuat perceptron multilayer (MLP) untuk belajar bagaimana menafsirkan niat pengguna untuk menerjemahkannya ke dalam pergerakan jari pada tangan buatan. Perceptron pelbagai lapisan adalah rangkaian saraf tiruan feedforward yang menggunakan backpropagation. MLP adalah kaedah pembelajaran mendalam di mana maklumat bergerak maju dalam satu arah, berbanding dalam satu kitaran atau gelung melalui rangkaian saraf tiruan.

Algoritma dilatih dengan memasukkan data dari pengguna yang melakukan serangkaian pergerakan tangan. Untuk masa konvergensi yang lebih pantas, kaedah Levenberg – Marquardt digunakan untuk menyesuaikan berat jaringan dan bukannya penurunan gradien. Proses latihan model penuh pantas dan mengambil masa kurang dari 10 minit untuk setiap subjek, menjadikan algoritma praktikal dari perspektif penggunaan klinikal.

"Bagi orang yang diamputasi, sebenarnya sangat sukar untuk mengikat otot dengan pelbagai cara untuk mengawal semua cara pergerakan jari kita," kata Katie Zhuang di Makmal Kejuruteraan Neural Kejuruteraan EPFL, yang merupakan pengarang pertama kajian penyelidikan . "Apa yang kita lakukan adalah meletakkan sensor ini pada tunggulnya yang tersisa, dan kemudian merakamnya dan cuba menafsirkan apa itu isyarat pergerakan. Kerana isyarat ini sedikit bising, apa yang kita perlukan adalah algoritma pembelajaran mesin ini yang mengambil aktiviti yang bermakna dari otot-otot tersebut dan menafsirkannya menjadi pergerakan. Dan pergerakan inilah yang mengawal setiap jari tangan robotik. "

Kerana ramalan mesin mengenai pergerakan jari mungkin tidak 100 peratus tepat, para penyelidik EPFL memasukkan automasi robot untuk membolehkan tangan buatan dan secara automatik mula menutup sekitar objek setelah hubungan awal dibuat. Sekiranya pengguna ingin melepaskan objek, yang harus dilakukannya hanyalah membuka tangan untuk mematikan pengawal robot, dan meletakkan pengguna kembali mengendalikan tangan.

Menurut Aude Billard yang mengetuai Laboratorium Algoritma dan Sistem Pembelajaran EPFL, tangan robot mampu bertindak balas dalam masa 400 milisaat. "Dilengkapi dengan sensor tekanan di sepanjang jari, ia dapat bereaksi dan menstabilkan objek sebelum otak benar-benar merasakan objek tersebut tergelincir," kata Billard.

Dengan menerapkan kecerdasan buatan pada teknik neuroengineering dan robotik, para saintis EPFL telah menunjukkan pendekatan baru kawalan bersama antara mesin dan niat pengguna - kemajuan dalam teknologi neuroprosthetic.

Hak Cipta © 2019 Cami Rosso Hak cipta terpelihara.