O novo neuropróstico é un gran avance en robótica

Científicos da EPFL (École polytechnique fédérale de Lausanne) en Suíza anunciaron a creación dun primeiro mundo para o control robótico das mans: un novo tipo de neuroprótesis que unifica o control humano coa automatización da intelixencia artificial (IA) para unha maior destreza dos robots e publicaron a súa investigación en Setembro de 2019 en Nature Machine Intelligence .

A neuroprótese (prótese neuronal) son dispositivos artificiais que estimulan ou melloran o sistema nervioso mediante a estimulación eléctrica para compensar as deficiencias que afectan as habilidades motrices, a cognición, a visión, oído, a comunicación ou as habilidades sensoriais. Exemplos de neuropróteses inclúen interfaces cerebro-ordenador (BCI), estimulación cerebral profunda, estimuladores da medula espiñal (SCS), implantes de control da vexiga, implantes cocleares e marcapasos cardíacos.

O valor mundial das próteses de membros superiores supera os 2.300 millóns de dólares para 2025, segundo as cifras dun informe de agosto de 2019 de Global Market Insight. En 2018, o valor de mercado mundial alcanzou os mil millóns de dólares baseado no mesmo informe. Estímase que dous millóns de estadounidenses son amputados e hai máis de 185.000 amputacións anuais, segundo o National Limb Loss Information Center. As enfermidades vasculares representan o 82 por cento das amputacións dos Estados Unidos segundo o informe.

Unha prótese mioeléctrica úsase para substituír as partes do corpo amputadas por un membro artificial alimentado externamente que é activado polos músculos existentes do usuario. Segundo o equipo de investigación do EPFL, os dispositivos comerciais dispoñibles hoxe en día poden dar aos usuarios un alto nivel de autonomía, pero a destreza non é en ningún lugar tan áxil como a man humana intacta.

“Os dispositivos comerciais normalmente utilizan un sistema de dúas canles de gravación para controlar un único grao de liberdade; é dicir, unha canle sEMG para a flexión e outra para a extensión ", escribiron os investigadores do EPFL no seu estudo. “Aínda que intuitivo, o sistema proporciona pouca destreza. A xente abandona as próteses mioeléctricas a taxas elevadas, en parte porque considera que o nivel de control é insuficiente para merecer o prezo e a complexidade destes dispositivos ".

Para abordar o problema da destreza con próteses mioeléctricas, os investigadores do EPFL adoptaron un enfoque interdisciplinar para este estudo de proba de concepto combinando os campos científicos da neuroenxeñaría, a robótica e a intelixencia artificial para semiautomatizar unha parte do mando motor para "compartir" control ".

Silvestro Micera, cátedra de Neuroenxeñaría traslacional da Fundación Bertarelli do EPFL e profesor de bioelectrónica na Scuola Superiore Sant'Anna en Italia, considera que este enfoque compartido para controlar as mans robóticas pode mellorar o impacto clínico e a usabilidade para unha ampla gama de fins neuropróticos como o cerebro. -interfaces á máquina (BMI) e mans biónicas.

"Unha das razóns polas que as próteses comerciais usan con máis frecuencia decodificadores baseados en clasificadores en lugar de proporcionais é porque os clasificadores permanecen de forma máis robusta nunha postura particular", escribiron os investigadores. "Para agarralo, este tipo de control é ideal para evitar caídas accidentais, pero sacrifica a axencia do usuario restrinxindo o número de posicións posibles nas mans. A nosa implementación de control compartido permite tanto axencia de usuarios como robustez. No espazo libre, o usuario ten un control total sobre os movementos das mans, o que tamén permite unha preformación volitiva para agarrar ".

Neste estudo, os investigadores do EPFL centráronse no deseño de algoritmos de software: o hardware robótico fornecido por partes externas consiste nunha Allegro Hand montada no robot KUKA IIWA 7, un sistema de cámara OptiTrack e sensores de presión TEKSCAN.

Os científicos do EPFL crearon un descodificador proporcional cinemático creando un perceptron multicapa (MLP) para aprender a interpretar a intención do usuario para traducilo nun movemento de dedos cunha man artificial. Un perceptron multicapa é unha rede neuronal artificial avanzada que utiliza a propagación posterior. O MLP é un método de aprendizaxe profundo onde a información avanza nunha dirección, fronte a un ciclo ou bucle a través da rede neuronal artificial.

O algoritmo está adestrado mediante datos de entrada do usuario que realizan unha serie de movementos das mans. Para un tempo de converxencia máis rápido, empregouse o método Levenberg – Marquardt para axustar os pesos da rede en lugar do descenso de gradiente. O proceso de adestramento de modelo completo foi rápido e tardou menos de 10 minutos en cada un dos suxeitos, facendo o algoritmo práctico desde unha perspectiva de uso clínico.

"Para un amputado, en realidade é moi difícil contraer os músculos de moitas e moitas maneiras diferentes de controlar todos os xeitos nos que se moven os nosos dedos", dixo Katie Zhuang no Laboratorio de Enxeñaría Neural Translacional EPFL, que foi o primeiro autor do estudo de investigación. . "O que facemos é colocar estes sensores no seu toco restante e logo gravalos e tratar de interpretar cales son os sinais de movemento. Debido a que estes sinais poden ser un pouco ruidosos, o que necesitamos é este algoritmo de aprendizaxe automática que extrae actividade significativa deses músculos e os interpreta en movementos. E estes movementos son os que controlan cada dedo das mans robóticas ".

Debido a que as predicións da máquina sobre os movementos dos dedos poden non ser precisas ao 100 por cento, os investigadores do EPFL incorporaron a automatización robótica para permitir a man artificial e comezar a pechar automaticamente ao redor dun obxecto unha vez que se fixo o contacto inicial. Se o usuario quere liberar un obxecto, todo o que ten que facer é tentar abrir a man para desactivar o controlador robótico e volver a controlar o control.

Segundo Aude Billard, que dirixe o Laboratorio de Algoritmos e Sistemas de Aprendizaxe de EPFL, a man robotizada pode reaccionar nun prazo de 400 milisegundos. "Equipado con sensores de presión ao longo dos dedos, pode reaccionar e estabilizar o obxecto antes de que o cerebro poida percibir que o obxecto está escorregando", dixo Billard.

Ao aplicar a intelixencia artificial á neuroenxeñaría e á robótica, os científicos do EPFL demostraron o novo enfoque do control compartido entre a intención da máquina e do usuario: un avance na tecnoloxía neuroprótica.

Copyright © 2019 Cami Rosso Todos os dereitos reservados.