Neuroprostetik Baru Adalah Terobosan Robotika AI

Ilmuwan di EPFL (École polytechnique fédérale de Lausanne) di Swiss telah mengumumkan penciptaan kontrol tangan robotik pertama di dunia — jenis neuroprostetik baru yang menyatukan kendali manusia dengan otomatisasi kecerdasan buatan (AI) untuk ketangkasan robot yang lebih besar dan menerbitkan penelitian mereka di September 2019 di Kecerdasan Mesin Alam .

Neuroprostetik (prostetik saraf) adalah perangkat buatan yang merangsang atau meningkatkan sistem saraf melalui stimulasi listrik untuk mengkompensasi kekurangan yang memengaruhi keterampilan motorik, kognisi, penglihatan, pendengaran, komunikasi, atau sensorik. Contoh neuroprostetik termasuk antarmuka otak-komputer (BCI), stimulasi otak dalam, stimulator sumsum tulang belakang (SCS), implan kontrol kandung kemih, implan koklea, dan alat pacu jantung.

Nilai prostetik ekstremitas atas di seluruh dunia diperkirakan akan melebihi 2,3 miliar USD pada tahun 2025, menurut angka dari laporan Global Market Insight pada Agustus 2019. Pada 2018, nilai pasar dunia mencapai satu miliar USD berdasarkan laporan yang sama. Diperkirakan dua juta orang Amerika diamputasi, dan ada lebih dari 185.000 amputasi dilakukan setiap tahun, menurut National Limb Loss Information Center. Penyakit vaskular menyumbang 82 persen amputasi AS menurut laporan itu.

Prostesis mioelektrik digunakan untuk mengganti bagian tubuh yang diamputasi dengan anggota tubuh buatan bertenaga eksternal yang diaktifkan oleh otot pengguna yang ada. Menurut tim peneliti EPFL, perangkat komersial yang tersedia saat ini dapat memberi pengguna otonomi tingkat tinggi, tetapi ketangkasannya tidak sekencang tangan manusia yang utuh.

“Perangkat komersial biasanya menggunakan sistem dua saluran rekaman untuk mengontrol satu derajat kebebasan; yaitu, satu saluran sEMG untuk fleksi dan satu untuk ekstensi, ”tulis para peneliti EPFL dalam penelitian mereka. “Meskipun intuitif, sistem ini memberikan sedikit ketangkasan. Orang-orang meninggalkan prostesis mioelektrik dengan harga tinggi, sebagian karena mereka merasa bahwa tingkat kontrol tidak cukup untuk mendapatkan harga dan kerumitan perangkat ini. ”

Untuk mengatasi masalah ketangkasan dengan prostesis mioelektrik, peneliti EPFL mengambil pendekatan interdisipliner untuk studi bukti-konsep ini dengan menggabungkan bidang ilmiah neuroengineering, robotika, dan kecerdasan buatan untuk mengotomatiskan bagian dari perintah motorik untuk "bersama kontrol."

Silvestro Micera, Ketua Bertarelli Foundation EPFL di Translational Neuroengineering, dan Professor of Bioelectronics di Scuola Superiore Sant'Anna di Italia, memandang pendekatan bersama untuk mengendalikan tangan robotik ini dapat meningkatkan dampak klinis dan kegunaan untuk berbagai tujuan neuroprostetik seperti otak. antarmuka -to-mesin (BMI) dan tangan bionik.

“Salah satu alasan mengapa prostesis komersial lebih umum menggunakan decoder berbasis pengklasifikasi daripada yang proporsional adalah karena pengklasifikasi lebih kuat tetap berada dalam postur tertentu," tulis para peneliti. “Untuk menggenggam, jenis kontrol ini ideal untuk mencegah terjatuh secara tidak sengaja tetapi mengorbankan agen pengguna dengan membatasi jumlah kemungkinan postur tangan. Penerapan kontrol bersama kami memungkinkan agensi pengguna dan ketahanan menggenggam. Di ruang kosong, pengguna memiliki kontrol penuh atas gerakan tangan, yang juga memungkinkan prapembentukan kehendak untuk menggenggam. ”

Dalam penelitian ini, peneliti EPFL memfokuskan pada perancangan algoritma perangkat lunak yaitu perangkat keras robotik yang disediakan pihak luar terdiri dari Allegro Hand yang dipasang pada robot KUKA IIWA 7, sistem kamera OptiTrack dan sensor tekanan TEKSCAN.

Ilmuwan EPFL menciptakan dekoder proporsional kinematik dengan membuat multilayer perceptron (MLP) untuk mempelajari cara menafsirkan niat pengguna untuk menerjemahkannya menjadi gerakan jari pada tangan buatan. Sebuah perceptron multilayer adalah jaringan syaraf tiruan feedforward yang menggunakan propagasi mundur. MLP adalah metode pembelajaran mendalam di mana informasi bergerak maju dalam satu arah, versus dalam siklus atau putaran melalui jaringan saraf tiruan.

Algoritme dilatih dengan memasukkan data dari pengguna yang melakukan serangkaian gerakan tangan. Untuk waktu konvergensi yang lebih cepat, metode Levenberg – Marquardt digunakan untuk menyesuaikan bobot jaringan daripada penurunan gradien. Proses pelatihan model lengkap berlangsung cepat dan memakan waktu kurang dari 10 menit untuk setiap mata pelajaran, membuat algoritme praktis dari perspektif penggunaan klinis.

"Untuk orang yang diamputasi, sebenarnya sangat sulit untuk mengontraksikan otot dengan banyak cara berbeda untuk mengontrol semua cara jari kita bergerak," kata Katie Zhuang dari EPFL Translational Neural Engineering Lab, yang merupakan penulis pertama studi penelitian. . “Apa yang kami lakukan adalah meletakkan sensor-sensor ini pada tunggulnya yang tersisa, dan kemudian merekamnya dan mencoba menafsirkan sinyal pergerakannya. Karena sinyal ini bisa sedikit berisik, yang kita butuhkan adalah algoritma pembelajaran mesin ini yang mengekstrak aktivitas yang berarti dari otot-otot itu dan menafsirkannya menjadi gerakan. Dan gerakan inilah yang mengontrol setiap jari tangan robot. "

Karena prediksi mesin dari gerakan jari mungkin tidak 100 persen akurat, para peneliti EPFL memasukkan otomatisasi robotik untuk mengaktifkan tangan buatan dan secara otomatis mulai menutup objek setelah kontak awal dibuat. Jika pengguna ingin melepaskan suatu objek, yang harus dia lakukan adalah mencoba membuka tangan untuk mematikan pengontrol robot, dan mengembalikan kendali tangan kepada pengguna.

Menurut Aude Billard yang memimpin Laboratorium Sistem dan Algoritma Pembelajaran EPFL, tangan robotik mampu bereaksi dalam 400 milidetik. “Dilengkapi dengan sensor tekanan di sepanjang jari, ia dapat bereaksi dan menstabilkan objek sebelum otak benar-benar dapat melihat bahwa objek tersebut tergelincir,” kata Billard.

Dengan menerapkan kecerdasan buatan pada neuroengineering dan robotika, para ilmuwan EPFL telah mendemonstrasikan pendekatan baru dari kontrol bersama antara mesin dan niat pengguna — sebuah kemajuan dalam teknologi neuroprostetik.

Hak Cipta © 2019 Cami Rosso Semua hak dilindungi.