2019. 09. 26. - 10:10
Jobb vezérlést kapnak a mesterséges intelligencia-kezek
Az EPFL tudósai új megközelítéseket fejlesztenek a robot kezek - különösen az amputált végtagok helyettesítői - megfelelőbb vezérlésére.
A robotok tökéletes fogása eddig gondot jelentett a tudósok számára, s annak tökéletesítése régóta tart. A már kifejlesztett modellek természetesen képesek megfogni dolgokat, de nem mindegy, hogy mit – bizonyos fogási technikák ugyanis máig kifognak rajtuk.
Az EPFL (École polytechnique fédérale de Lausanne) kutatói most olyan új megközelítéseket alkalmaztak a fejlesztéshez, amelyek elősegítik a robotkezek – különösen azok, amelyek amputált végtagokat helyettesítenek – precízebb vezérlését. Egyesítik az egyedi ujjvezérlést és az automatizálást a jobb megragadás és manipuláció, azaz irányítás érdekében.
Az interdiszciplináris koncepció-bizonyítékot sikerrel tesztelték három amputált és hét egészséges alanyon. Az eredményeket a Nature Machine Intelligence szaklapban közölték.
Mesterséges intelligencia: a robotkezet precízebb fogásra tanítják
A technológia kétféle terület két koncepcióját egyesíti. Egyesítésük korábban nem történt meg a robotkezek kontrollálása terén. Most azonban hozzájárul a megosztott irányítás kialakulásához a neuroprotesztika terén.
Az egyik koncepció – a neuro-gépesítéstől indulva – magába foglalja az amputált csonkon az ujjmozgás izomműködésből való megoldását a protéziskéz egyéni ujjainak ellenőrzése által, s ezt azelőtt sosem valósították meg. A másik koncepció - a robotika oldaláról - lehetővé teszi a robotkéz számára, hogy megfogja a tárgyakat, s a robosztus fogást fenn is tartsa.
Ha egy tárgyat tart a kezében és az elkezd csúszni, csupán néhány milliszekundum áll rendelkezésre a reagáláshoz.
Hogyan működik?
Az algoritmus először azt tanulja meg, hogyan kell dekódolni a felhasználói szándékot, s ezt a protézis kéz ujjmozgássá alakítja.
Az amputáltnak egy sor mozgást kell végrehajtania annak érdekében, hogy kiképezze a gépi tanulást használó algoritmust. Az amputált csonkra helyezett érzékelők felismerik az izmok aktivitását, s az algoritmus megtanulja, melyik kézmozgás felel meg az izomaktivitásnak.
Ha egyszer megértette a felhasználó ujjmozgásait, az információt képes alkalmazni az ujjak egyéni mozgatásához a protézis kézen.
„Mivel az izomjelek úgymond zajosak lehetnek, szükségünk van olyan gépi tanulási algoritmusra, mely kivonja az értelmezett tevékenységeket az izmokból, s mozgások formájában értelmezi őket" - magyarázta Katie Zhuang, a kiadvány első szerzője.
A tudósok ezt követően úgy alakították ki az algoritmust, hogy a robotautomatizálás bekapcsoljon, amint a felhasználó megpróbál megfogni egy tárgyat. Az algoritmus azt az információt továbbítja a protéziskéznek, hogy csukja be az ujjait, amikor egy tárgy érintkezik a protézis keze felületén található érzékelőkkel.
Az automatikus megragadás olyan robotkarok korábbi tanulmányának adaptációja, melynek célja az, hogy következtetni lehessen a tárgyak alakjára, megfogásuk pedig csak a tapintható információk alapján, vizuális jelek nélkül is megtörténhessen.
Silvestro Micera, az EPFL Bertarelli Alapítványának elnöke, amely az átviteli neuromérnöki feladatok területén tevékenykedik, azt mondta: a robotikus kezek irányításának közös megközelítését több neuroprotezáló alkalmazásban is fel tudják használni, így például bionikus kézprotézisekben és agy-gép interfészekben, növelve ezen eszközök klinikai hatását és használhatóságát.
László Adrienn
