Шинэ нейропротез бол хиймэл оюун ухааны роботын нээлт юм

Швейцарь дахь EPFL (École polytechnique fédérale de Lausanne) -ийн эрдэмтэд роботын авхаалж самбаагаа сайжруулахын тулд хүний ​​хяналтыг хиймэл оюун ухаан (AI) автоматжуулалтаар нэгтгэсэн шинэ төрлийн нейропростетик робот гар хяналтыг дэлхийд анх удаа бүтээсэн тухай зарлалаа. 2019 оны 9 -р сар Байгалийн машины оюун ухаан .

Нейропростетик (мэдрэлийн протез) нь моторт ур чадвар, танин мэдэхүй, алсын хараа, сонсгол, харилцаа холбоо, мэдрэхүйн чадварт нөлөөлж буй дутагдлыг нөхөх зорилгоор цахилгаан өдөөлтөөр мэдрэлийн системийг өдөөдөг, сайжруулдаг хиймэл төхөөрөмж юм. Тархины компьютерийн интерфейс (BCIs), тархины гүнзгий өдөөлт, нугасны өдөөгч (SCS), давсагны хяналтын имплант, дунгийн суулгац, зүрхний аппарат зэрэг нейропростетикийн жишээ орно.

Global Market Insight -ийн 2019 оны 8 -р сарын тайланд дурдсанаар дэлхийн дээд мөчний протезийн үнэ 2025 он гэхэд 2.3 тэрбум ам.доллараас давах төлөвтэй байна. 2018 онд дэлхийн зах зээлийн үнэлгээ нэг тэрбум долларт хүрсэн байна. Ойролцоогоор хоёр сая америкчууд хөлөө тайруулдаг бөгөөд жил бүр 185,000 гаруй тайралт хийдэг гэж Үндэсний мөчний алдагдлын мэдээллийн төвөөс мэдээлэв. Судалгаанд дурдсанаар АНУ -ын тайралтын 82 хувийг судасны өвчин эзэлж байна.

Миоэлектрик хиймэл эрхтэн нь тайрсан биеийн хэсгүүдийг хэрэглэгчийн одоо байгаа булчингаар идэвхждэг гаднаас ажилладаг хиймэл хөлөөр солиход ашигладаг. EPFL судалгааны багийн үзэж байгаагаар, өнөөдөр худалдаалагдаж буй төхөөрөмжүүд нь хэрэглэгчдэд өндөр түвшний бие даасан байдлыг өгч чадна, гэхдээ авхаалж самбаа нь хүний ​​гар шиг хурдан биш юм.

“Арилжааны төхөөрөмжүүд нь ихэвчлэн нэг эрх чөлөөг хянахын тулд хоёр бичлэгийн сувгийн системийг ашигладаг; Энэ нь sEMG -ийн нэг суваг, сунгалтын нэг суваг юм ”гэж EPFL -ийн судлаачид судалгаандаа бичжээ. “Зөн совинтой боловч систем нь бага зэрэг уян хатан байдлыг хангадаг. Хүмүүс эдгээр төхөөрөмжийн үнэ, нарийн төвөгтэй байдлыг үнэлэхийн тулд хяналтын түвшин хангалтгүй байна гэж үзэж байгаа тул миоэлектрик хиймэл протезийг өндөр үнээр хаядаг.

Миоэлектрик хиймэл эрхтэнүүдийн уян хатан байдлын асуудлыг шийдвэрлэхийн тулд EPFL судлаачид энэхүү мэдрэхүйн нотолгоо судалгаанд салбар дундын арга барилыг ашиглаж, нейроинженер, робот техник, хиймэл оюун ухааны шинжлэх ухааны салбаруудыг нэгтгэн моторт командын нэг хэсгийг хагас автоматжуулжээ. хяналт тавих. ”

EPFL-ийн орчуулагч мэдрэлийн инженерчлэлийн Бертарелли сангийн дарга, Италийн Scuola Superiore Sant'Anna-ийн биоэлектроникийн профессор Сильвестро Микера робот гарыг хянах энэхүү хуваалцсан арга нь тархи гэх мэт олон төрлийн нейропротезийн зорилгоор эмнэлзүйн нөлөө, хэрэглээг сайжруулах боломжтой гэж үздэг. -машин хоорондын интерфейс (BMI) ба бионик гар.

"Арилжааны протезууд нь пропорциональ биш харин ангилагч дээр суурилсан декодерыг илүү өргөн ашигладаг нэг шалтгаан бол ангилагчид тодорхой байрлалд илүү бат бөх үлддэгт оршдог" гэж судлаачид бичжээ. "Барихын тулд энэ төрлийн хяналт нь санамсаргүйгээр унахаас урьдчилан сэргийлэхэд тохиромжтой боловч гарны байрлалыг хязгаарлах замаар хэрэглэгчийн агентлагийг золиослодог. Бидний хуваалцсан хяналтыг хэрэгжүүлснээр хэрэглэгчийн агентлаг болон бат бөх чанарыг олж авах боломжтой болно. Чөлөөт орон зайд хэрэглэгч гарны хөдөлгөөнийг бүрэн хянадаг бөгөөд энэ нь гарыг сайн дураараа урьдчилан хэлбэржүүлэх боломжийг олгодог.

Энэхүү судалгаанд EPFL -ийн судлаачид програм хангамжийн алгоритмын дизайнд анхаарлаа төвлөрүүлжээ - гадны талуудын өгсөн робот техник хангамж нь KUKA IIWA 7 робот дээр суурилуулсан Allegro Hand, OptiTrack камерын систем, TEKSCAN даралт мэдрэгчээс бүрдэнэ.

EPFL -ийн эрдэмтэд хиймэл гар дээрх хурууны хөдөлгөөн рүү хөрвүүлэхийн тулд хэрэглэгчийн санаа бодлыг хэрхэн тайлбарлах талаар сурч мэдэхийн тулд олон давхаргат перцептрон (MLP) бий болгосноор кинематик пропорциональ декодер бүтээжээ. Олон давхаргат перцептрон бол буцааж сурталчлах зориулалттай хиймэл мэдрэлийн сүлжээ юм. MLP бол мэдээллийг нэг чиглэлд урагшлуулах, хиймэл мэдрэлийн сүлжээгээр дамжих мөчлөг эсвэл давталтын эсрэг гүнзгий суралцах арга юм.

Алгоритм нь гар хөдөлгөөнийг дараалан гүйцэтгэдэг хэрэглэгчийн оруулсан өгөгдлөөр хийгддэг. Илүү хурдан нэгтгэхийн тулд Левенберг -Маркварттын аргыг градиент буултын оронд сүлжээний жинг тохируулахад ашигласан. Бүрэн загварын сургалтын процесс хурдан явагдсан бөгөөд хичээл тус бүрт 10 минутаас бага хугацаа зарцуулсан нь алгоритмыг эмнэлзүйн хэрэглээний үүднээс практик болгож чадсан юм.

Судалгааны анхны зохиогч байсан EPFL -ийн орчуулгын мэдрэлийн инженерийн лабораторийн ажилтан Кати Жуанг хэлэхдээ: "Таслагчийн хувьд бидний хурууны хөдөлгөөнийг хянах олон янзын аргаар булчинг чангалах нь маш хэцүү байдаг." . "Бидний хийдэг зүйл бол эдгээр мэдрэгчийг үлдсэн хожуул дээр нь тавиад дараа нь тэмдэглээд хөдөлгөөний дохио гэж юу болохыг тайлбарлахыг хичээдэг. Эдгээр дохио нь жаахан чимээ шуугиантай байдаг тул эдгээр булчингаас утга учиртай үйл ажиллагааг гаргаж, тэдгээрийг хөдөлгөөн гэж тайлбарладаг энэхүү машин сурах алгоритм бидэнд хэрэгтэй байна. Эдгээр хөдөлгөөнүүд нь робот гарны хуруу бүрийг хянадаг.

Хурууны хөдөлгөөнийг машинаар урьдчилан таамаглах нь 100 хувь үнэн биш байж магадгүй тул EPFL -ийн судлаачид хиймэл гарыг идэвхжүүлэхийн тулд робот автоматжуулалтыг оруулсан бөгөөд анхны холбоо барьсны дараа объектын эргэн тойронд автоматаар хаагдаж эхэлдэг. Хэрэв хэрэглэгч объектыг суллахыг хүсч байвал робот хянагчийг унтраахын тулд гараа онгойлгож, гараа хяналтандаа авахад л хангалттай.

EPFL -ийн сургалтын алгоритм, системийн лабораторийг удирдаж буй Ауд Билард хэлэхдээ, робот гар нь 400 миллисекундын дотор хариу үйлдэл үзүүлэх чадвартай. "Хурууны бүх хэсэгт даралт мэдрэгчээр тоноглогдсон тул тархи объект гулсаж байгааг мэдрэхээс өмнө тэр объектод хариу үйлдэл үзүүлж, тогтворжуулж чадна" гэж Биллард хэлэв.

EPFL -ийн эрдэмтэд хиймэл оюун ухааныг нейроинженер, робот техникт ашигласнаар нейропростетик технологийн дэвшил болох машин ба хэрэглэгчийн хүсэл эрмэлзлийн хоорондох хамтын удирдлагын шинэ хандлагыг харуулжээ.

Зохиогчийн эрх © 2019 Cami Rosso Бүх эрх хуулиар хамгаалагдсан.