Neuroprosthetic ใหม่เป็นการพัฒนาหุ่นยนต์ AI

นักวิทยาศาสตร์จาก EPFL (École polytechnique fédérale de Lausanne) ในสวิตเซอร์แลนด์ได้ประกาศการสร้างหุ่นยนต์ควบคุมมือเป็นครั้งแรกของโลกซึ่งเป็น neuroprosthetic รูปแบบใหม่ที่รวมการควบคุมของมนุษย์ด้วยระบบอัตโนมัติปัญญาประดิษฐ์ (AI) เพื่อความคล่องแคล่วของหุ่นยนต์ที่มากขึ้นและเผยแพร่งานวิจัยของพวกเขาใน กันยายน 2019 ใน Nature Machine Intelligence .

ระบบประสาท (Neuroprosthetics) เป็นอุปกรณ์เทียมที่กระตุ้นหรือเพิ่มประสิทธิภาพระบบประสาทโดยการกระตุ้นด้วยไฟฟ้าเพื่อชดเชยข้อบกพร่องที่ส่งผลต่อทักษะยนต์ความรู้ความเข้าใจการมองเห็นการได้ยินการสื่อสารหรือทักษะทางประสาทสัมผัส ตัวอย่างของ neuroprosthetics ได้แก่ การเชื่อมต่อระหว่างสมองกับคอมพิวเตอร์ (BCIs), การกระตุ้นสมองส่วนลึก, เครื่องกระตุ้นไขสันหลัง (SCS), การปลูกถ่ายควบคุมกระเพาะปัสสาวะ, ประสาทหูเทียมและเครื่องกระตุ้นหัวใจ

มูลค่าขาเทียมส่วนบนทั่วโลกคาดว่าจะเกิน 2.3 พันล้านเหรียญสหรัฐภายในปี 2568 ตามตัวเลขจากรายงานของ Global Market Insight ในเดือนสิงหาคม 2019 ในปี 2018 มูลค่าตลาดทั่วโลกสูงถึงหนึ่งพันล้านเหรียญสหรัฐจากรายงานฉบับเดียวกัน ชาวอเมริกันประมาณสองล้านคนเป็นคนพิการทางสมองและมีการตัดแขนขามากกว่า 185,000 ครั้งต่อปีตามข้อมูลของศูนย์ข้อมูลการสูญเสียแขนขาแห่งชาติ โรคหลอดเลือดคิดเป็น 82 เปอร์เซ็นต์ของการตัดแขนขาของสหรัฐฯตามรายงาน

ขาเทียมแบบไมโออิเล็กทริกถูกใช้เพื่อเปลี่ยนชิ้นส่วนของร่างกายที่ด้วนด้วยแขนขาเทียมที่ขับเคลื่อนจากภายนอกซึ่งถูกกระตุ้นโดยกล้ามเนื้อที่มีอยู่ของผู้ใช้ จากข้อมูลของทีมวิจัย EPFL อุปกรณ์เชิงพาณิชย์ที่มีอยู่ในปัจจุบันสามารถให้ความเป็นอิสระแก่ผู้ใช้ได้ในระดับสูง แต่ความคล่องแคล่วนั้นแทบจะไม่มีความคล่องตัวเท่ากับมือมนุษย์

“ อุปกรณ์เชิงพาณิชย์มักใช้ระบบบันทึกสองช่องสัญญาณเพื่อควบคุมอิสระในระดับเดียว นั่นคือช่อง sEMG หนึ่งช่องสำหรับงอและอีกช่องสำหรับการขยาย” นักวิจัยของ EPFL เขียนในการศึกษาของพวกเขา “ ในขณะที่ใช้งานง่ายระบบจะให้ความชำนาญเพียงเล็กน้อย ผู้คนละทิ้งขาเทียมไมโออิเล็กทริกในอัตราที่สูงส่วนหนึ่งเป็นเพราะพวกเขารู้สึกว่าระดับการควบคุมไม่เพียงพอต่อราคาและความซับซ้อนของอุปกรณ์เหล่านี้”

เพื่อแก้ไขปัญหาความชำนาญในการใช้ขาเทียมแบบไมโออิเล็กทริกนักวิจัยของ EPFL ได้ใช้วิธีการแบบสหวิทยาการสำหรับการศึกษาเชิงพิสูจน์แนวคิดนี้โดยการรวมสาขาวิทยาศาสตร์ของระบบประสาทเทียมหุ่นยนต์และปัญญาประดิษฐ์เข้ากับกึ่งอัตโนมัติเป็นส่วนหนึ่งของคำสั่งมอเตอร์สำหรับ "shared ควบคุม."

Silvestro Micera ประธานมูลนิธิ Bertarelli ของ EPFL ในสาขาประสาทวิทยาแบบแปลและศาสตราจารย์ด้าน Bioelectronics ที่ Scuola Superiore Sant'Anna ในอิตาลีมองว่าแนวทางที่ใช้ร่วมกันในการควบคุมมือหุ่นยนต์นี้สามารถปรับปรุงผลกระทบทางคลินิกและความสามารถในการใช้งานสำหรับวัตถุประสงค์ทางประสาทวิทยาที่หลากหลายเช่นสมอง -to-machine interface (BMI) และมือไบโอนิก

“ สาเหตุหนึ่งที่ทำให้ขาเทียมในเชิงพาณิชย์มักใช้ตัวถอดรหัสแบบลักษณนามแทนตัวแยกตามสัดส่วนเนื่องจากตัวแยกประเภทยังคงมีความแข็งแกร่งมากกว่าในท่าทางที่เฉพาะเจาะจง” นักวิจัยกล่าว “ สำหรับการจับต้องการควบคุมประเภทนี้เหมาะอย่างยิ่งในการป้องกันการตกหล่นโดยไม่ได้ตั้งใจ แต่จะเสียสละหน่วยงานของผู้ใช้โดย จำกัด จำนวนท่ามือที่เป็นไปได้ การดำเนินการควบคุมร่วมกันของเราช่วยให้ทั้งเอเจนซีผู้ใช้และเข้าใจถึงความแข็งแกร่ง ในพื้นที่ว่างผู้ใช้สามารถควบคุมการเคลื่อนไหวของมือได้อย่างเต็มที่ซึ่งยังช่วยให้สามารถกำหนดรูปทรงล่วงหน้าสำหรับการจับได้ด้วย”

ในการศึกษาครั้งนี้นักวิจัยของ EPFL มุ่งเน้นไปที่การออกแบบอัลกอริทึมของซอฟต์แวร์ - ฮาร์ดแวร์หุ่นยนต์ที่บุคคลภายนอกจัดหาให้ประกอบด้วย Allegro Hand ที่ติดตั้งบนหุ่นยนต์ KUKA IIWA 7 ระบบกล้อง OptiTrack และเซ็นเซอร์ความดัน TEKSCAN

นักวิทยาศาสตร์ของ EPFL ได้สร้างตัวถอดรหัสแบบสัดส่วนจลนศาสตร์โดยการสร้าง multilayer perceptron (MLP) เพื่อเรียนรู้วิธีตีความความตั้งใจของผู้ใช้เพื่อแปลเป็นการเคลื่อนไหวของนิ้วมือบนมือเทียม Perceptron หลายชั้นเป็นโครงข่ายประสาทเทียมแบบ feedforward ที่ใช้ backpropagation MLP เป็นวิธีการเรียนรู้เชิงลึกที่ข้อมูลเคลื่อนไปข้างหน้าในทิศทางเดียวกับในวงจรหรือวนรอบเครือข่ายประสาทเทียม

อัลกอริทึมได้รับการฝึกฝนโดยข้อมูลอินพุตจากผู้ใช้ที่เคลื่อนไหวมือเป็นชุด ๆ สำหรับเวลาในการบรรจบกันที่เร็วขึ้นวิธีการ Levenberg – Marquardt ถูกนำมาใช้ในการปรับน้ำหนักเครือข่ายแทนการไล่ระดับสี กระบวนการฝึกอบรมแบบเต็มรูปแบบนั้นรวดเร็วและใช้เวลาน้อยกว่า 10 นาทีสำหรับแต่ละวิชาทำให้อัลกอริทึมสามารถใช้งานได้จริงจากมุมมองการใช้งานทางคลินิก

“ สำหรับคนพิการจริงๆแล้วมันยากมากที่จะเกร็งกล้ามเนื้อหลาย ๆ วิธีหลายวิธีในการควบคุมทุกวิธีที่นิ้วของเราเคลื่อนไหว” Katie Zhuang จากห้องปฏิบัติการวิศวกรรมประสาทการแปลของ EPFL ซึ่งเป็นผู้เขียนคนแรกของการศึกษาวิจัยกล่าว . “ สิ่งที่เราทำคือเราวางเซ็นเซอร์เหล่านี้ไว้บนตอไม้ที่เหลือจากนั้นบันทึกและพยายามตีความว่าสัญญาณการเคลื่อนไหวคืออะไร เนื่องจากสัญญาณเหล่านี้อาจมีเสียงดังเล็กน้อยสิ่งที่เราต้องการคืออัลกอริธึมการเรียนรู้ของเครื่องที่ดึงกิจกรรมที่มีความหมายออกจากกล้ามเนื้อเหล่านั้นและตีความเป็นการเคลื่อนไหว และการเคลื่อนไหวเหล่านี้คือสิ่งที่ควบคุมนิ้วของหุ่นยนต์แต่ละนิ้ว”

เนื่องจากการคาดคะเนของการเคลื่อนไหวของนิ้วอาจไม่แม่นยำ 100 เปอร์เซ็นต์นักวิจัยของ EPFL จึงได้รวมระบบอัตโนมัติของหุ่นยนต์เข้าด้วยกันเพื่อใช้งานมือเทียมและเริ่มปิดรอบ ๆ วัตถุโดยอัตโนมัติเมื่อมีการสัมผัสครั้งแรก หากผู้ใช้ต้องการปล่อยวัตถุสิ่งที่ต้องทำคือพยายามเปิดมือเพื่อปิดตัวควบคุมหุ่นยนต์และทำให้ผู้ใช้กลับมาควบคุมมือได้

ตามที่ Aude Billard ซึ่งเป็นหัวหน้าห้องปฏิบัติการ Learning Algorithms and Systems ของ EPFL ระบุว่ามือหุ่นยนต์สามารถตอบสนองได้ภายใน 400 มิลลิวินาที “ เมื่อติดตั้งเซ็นเซอร์ความดันไว้ตลอดนิ้วมันสามารถตอบสนองและทำให้วัตถุมีเสถียรภาพก่อนที่สมองจะรับรู้ว่าวัตถุกำลังลื่นไถล” บิลลาร์ดกล่าว

ด้วยการนำปัญญาประดิษฐ์มาใช้กับระบบประสาทและหุ่นยนต์นักวิทยาศาสตร์ของ EPFL ได้แสดงให้เห็นถึงแนวทางใหม่ของการควบคุมร่วมกันระหว่างเครื่องจักรและความตั้งใจของผู้ใช้ซึ่งเป็นความก้าวหน้าในเทคโนโลยีประสาทวิทยา

ลิขสิทธิ์© 2019 Cami Rosso สงวนลิขสิทธิ์