ახალი ნეიროპროტეზირება არის AI Robotics- ის მიღწევა

შვეიცარიის EPFL (Lausanne École polytechnique fédérale) მეცნიერებმა განაცხადეს, რომ შეიქმნა მსოფლიოში პირველი რობოტიზირებული კონტროლი - ახალი ტიპის ნეიროპროტეზირება, რომელიც აერთიანებს ადამიანის კონტროლს ხელოვნური ინტელექტის (AI) ავტომატიზაციით უფრო დიდი რობოტის ოსტატობისთვის და გამოაქვეყნა მათი კვლევა 2019 წლის სექტემბერი ბუნების მანქანის დაზვერვა .

ნეიროპროთეზირება (ნერვული პროთეზირება) არის ხელოვნური ხელსაწყოები, რომლებიც ასტიმულირებენ ან აძლიერებენ ნერვულ სისტემას ელექტრული სტიმულაციის საშუალებით, კომპენსირება მოახდინონ ნაკლოვანებებზე, რომლებიც გავლენას ახდენს მოტორულ უნარებზე, შემეცნებაზე, მხედველობაზე, მოსმენაზე, კომუნიკაციაზე ან სენსორულ უნარებზე. ნეიროპროტეზირების მაგალითებია ტვინისა და კომპიუტერის ინტერფეისები (BCI), ტვინის ღრმა სტიმულაცია, ზურგის ტვინის სტიმულატორები (სკს), შარდის ბუშტის კონტროლის იმპლანტანტები, კოხლეარული იმპლანტები და გულის კარდიოსტიმულატორები.

მსოფლიოში ზედა კიდურების პროთეზირების ღირებულება, სავარაუდოდ, 2025 წლისთვის 2,3 მილიარდ აშშ დოლარს გადააჭარბებს, ნათქვამია გლობალური ბაზრის ინსაითის 2019 წლის აგვისტოს ანგარიშში. 2018 წელს, მსოფლიო ბაზრის ღირებულებამ მიაღწია ერთ მილიარდ აშშ დოლარს იმავე ანგარიშის საფუძველზე. დაახლოებით ორი მილიონი ამერიკელი ამპუტირებულია და კიდურების ყოველწლიურად კეთდება 185,000 – ზე მეტი ამპუტაცია. ანგარიშის თანახმად, სისხლძარღვთა დაავადებები აშშ – ს ამპუტაციების 82 პროცენტს შეადგენს.

მიოელექტრული პროთეზი გამოიყენება სხეულის ამპუტირებული ნაწილების გარე ენერგიით აღჭურვილი კიდურის შესაცვლელად, რომელიც გააქტიურებულია მომხმარებლის არსებული კუნთებით. EPFL კვლევითი ჯგუფის თანახმად, დღეს არსებულ კომერციულ მოწყობილობებს შეუძლიათ მომხმარებლებს მაღალი დონის ავტონომია მიანიჭონ, მაგრამ მოხერხებულობა არსად არის ისეთივე სწრაფი, როგორც ხელუხლებელი ადამიანის ხელი.

”კომერციული მოწყობილობები, როგორც წესი, იყენებენ ორ ჩასაწერი არხის სისტემას, თავისუფლების ერთი ხარისხის კონტროლის მიზნით; ეს არის ერთი sEMG არხი ფლექსიისთვის და ერთი გაფართოებისთვის ”, - წერენ EPFL– ის მკვლევარებმა თავიანთ კვლევაში. ”მიუხედავად იმისა, რომ ინტუიტიურია, სისტემა უზრუნველყოფს მცირე მოხერხებულობას. ხალხი უარს ამბობს მიოელექტრულ პროთეზებზე მაღალი ტემპებით, ნაწილობრივ იმიტომ, რომ თვლის, რომ კონტროლის დონე არასაკმარისია ამ მოწყობილობების ფასისა და სირთულის დასადგენად. ”

მიოელექტრული პროთეზების ოსტატობის პრობლემის მოსაგვარებლად, EPFL მკვლევარებმა ინტერდისციპლინარული მიდგომა გამოიყენეს ამ მტკიცებულების შესასწავლად, ნეიროინჟინერიის, რობოტიკისა და ხელოვნური ინტელექტის სამეცნიერო სფეროების კომბინირებით, საავტომობილო ბრძანების ნაწილის ნახევრად ავტომატიზირებისთვის კონტროლი ”.

Silvestro Micera, EPFL– ის Bertarelli Foundation– ის თარჯიმნის ნეიროინჟინერიის ფაკულტეტი და ბიოელექტრონიკის პროფესორი Scuola Superiore Sant'Anna– ში, იტალიაში, მიიჩნევს, რომ ეს რობოტიზირებული ხელების კონტროლის ამგვარი მიდგომა შეიძლება გააუმჯობესოს კლინიკური გავლენა და გამოყენებადობა ნეიროპროტეზირების ფართო სპექტრის მიზნებისათვის, როგორიცაა ტვინი მანქანასთან ინტერფეისი (BMI) და ბიონიკური ხელები.

”ერთი მიზეზი, რის გამოც კომერციული პროთეზები უფრო ხშირად იყენებენ კლასიფიკატორზე დაფუძნებულ დეკოდერებს და არა პროპორციული, არის ის, რომ კლასიფიკატორები უფრო მყარად რჩებიან კონკრეტულ პოზაში”, - წერენ მკვლევარები. ”გასაგებად, ამ ტიპის კონტროლი იდეალურია შემთხვევითი ვარდნის თავიდან ასაცილებლად, მაგრამ მსხვერპლის მსხვერპლს სწირავს ხელის შესაძლო პოზების რაოდენობის შეზღუდვით. ჩვენი საერთო კონტროლის განხორციელება საშუალებას გვაძლევს როგორც მომხმარებლის სააგენტოს, ასევე გაითვალისწინოთ სიმტკიცე. თავისუფალ სივრცეში მომხმარებელს აქვს სრული კონტროლი ხელების მოძრაობაზე, რაც ასევე იძლევა ნებაყოფლობით წინასწარ ფორმირებას შემოჭრისთვის. ”

ამ კვლევაში, EPFL მკვლევარებმა ყურადღება გაამახვილეს პროგრამული ალგორითმების დიზაინზე - რობოტული აპარატურა, რომელიც გარე მხარეებმა მოგვაწოდეს, შედგება Allegro Hand- სგან, რომელიც დამონტაჟებულია KUKA IIWA 7 რობოტზე, OptiTrack კამერის სისტემაზე და TEKSCAN წნევის სენსორებზე.

EPFL მეცნიერებმა შექმნეს კინემატიკური პროპორციული დეკოდერი მრავალშრიანი პერცეპტრონის (MLP) შექმნით, რომ ისწავლონ ინტერპრეტაცია მომხმარებლის განზრახვისთვის, რათა ეს თარგმნან თითების მოძრაობაზე ხელოვნურ ხელზე. მრავალშრიანი პერცეპტრონი არის ხელოვნური ნერვული ქსელი, რომელიც იყენებს უკანა გამრავლებას. MLP არის ღრმა სწავლის მეთოდი, სადაც ინფორმაცია წინ მიდის ერთი მიმართულებით, ციკლის ან მარყუჟის წინააღმდეგ, ხელოვნური ნერვული ქსელის საშუალებით.

ალგორითმი გაწვრთნილია მომხმარებლის მიერ შეყვანილი მონაცემებით, რომლებიც ასრულებენ ხელის მოძრაობას. კონვერგენციის უფრო სწრაფი დროისთვის გამოიყენეს ლევენბერგ – მარკვარტის მეთოდი ქსელის წონის შესაფერისად, გრადიენტური დაღმართის ნაცვლად. სრული მოდელის ტრენინგის პროცესი სწრაფი იყო და 10 წუთზე ნაკლები დრო დასჭირდა თითოეულ საგანს, რაც ალგორითმს პრაქტიკულს ხდიდა კლინიკური გამოყენების პერსპექტივიდან.

”ამპუტირებული ადამიანისთვის სინამდვილეში ძალიან ძნელია კუნთების შეკუმშვა, მრავალი სხვადასხვა მეთოდით, რომ გააკონტროლოს ჩვენი თითების მოძრაობის ყველა გზა”, - თქვა ქეთი ჟუანგმა EPFL Translational Neural Engineering Lab- ში, რომელიც იყო კვლევის პირველი ავტორი . ”რასაც ჩვენ ვაკეთებთ არის ის, რომ ამ სენსორებს ვდებთ მათ დარჩენილ შტამპზე, შემდეგ ჩავწერთ მათ და ვცდილობთ განვმარტოთ, რა არის მოძრაობის სიგნალები. იმის გამო, რომ ეს სიგნალები შეიძლება ცოტათი ხმაურიანი იყოს, ჩვენ გვჭირდება ეს მანქანაში სწავლის ალგორითმი, რომელიც ამ კუნთებიდან მნიშვნელოვან აქტივობას გამოყოფს და მათ მოძრაობებად ხსნის. ეს მოძრაობები აკონტროლებს რობოტიზირებული ხელების თითოეულ თითს. ”

იმის გამო, რომ თითის მოძრაობის მანქანური პროგნოზები შეიძლება არ იყოს 100 პროცენტიანი ზუსტი, EPFL მკვლევარებმა შეიტანეს რობოტული ავტომატიზაცია, რომ ხელი შეეწყოს ხელოვნურს და პირველადი კონტაქტის დამყარების შემდეგ ავტომატურად დაიწყონ ობიექტის დახურვა. თუ მომხმარებელს სურს გამოუშვას ობიექტი, მას მხოლოდ ის უნდა შეეცადოს გახსნას ხელი, რომ გამორთოს რობოტული კონტროლერი და დაუბრუნოს მას ხელზე კონტროლი.

აუდ ბილარის თანახმად, რომელიც EPFL- ის სასწავლო ალგორითმებისა და სისტემების ლაბორატორიას ხელმძღვანელობს, რობოტიზირებულ ხელს 400 მილიწამის განმავლობაში შეუძლია რეაგირება. ”თითის გასწვრივ აღჭურვილია წნევის სენსორებით, მას შეუძლია რეაგირება მოახდინოს და სტაბილიზირება მოახდინოს ობიექტზე, სანამ ტვინმა სინამდვილეში ვერ იცის, რომ ობიექტი სრიალებს”, - თქვა ბილარდმა.

ნეიროინჟინერიასა და რობოტიკაში ხელოვნური ინტელექტის გამოყენებით, EPFL– ს მეცნიერებმა აჩვენეს მანქანასა და მომხმარებლის განზრახვას შორის გაზიარებული კონტროლის ახალი მიდგომა - ნეიროპროტეზირების ტექნოლოგიის წინსვლა.

საავტორო უფლებები © 2019 Cami Rosso ყველა უფლება დაცულია.