Laura Petrich, PhD-studerende i robotteknologi og maskinlæring – Interviewserie

Laura er i øjeblikket ved at afslutte sin ph.d. i datalogi under vejledning af Dr. Patrick Pilarski og Dr. Matthew E. Taylor. Hun har en bachelorgrad med hæder i datalogi fra University of Alberta fra 2019 og en kandidatgrad i datalogi fra University of Alberta fra 2022. Hendes forskningsinteresser omfatter forstærket læringsprocesser, menneske-robot-interaktion, biomekanik og hjælpemidler til robotteknologi. Hun har fået inspiration fra sine anatomiske studier med Dr. Pierre Lemelin, og Lauras forskning har til formål at udvikle styringsmetoder til robotmanipulation med det formål at øge funktionaliteten, brugervenligheden, pålideligheden og sikkerheden i den virkelige verden.

Vi havde et interview med hende ved den årlige 2023 Upper Bound-konference om kunstig intelligens, der blev afholdt i Edmonton, AB, og arrangeret af Amii (Alberta Machine Intelligence Institute).

Hvad var det, der oprindeligt tiltrak dig til datalogi?

Da jeg kom tilbage til skolen, ville jeg egentlig være læge for at starte med. Og arbejdslivsbalance er rigtig vigtig for mig, så jeg kunne tilbringe meget tid med min familie. Og jeg har altid villet hjælpe mennesker, og jeg endte med at tage en datalogiklasse i mit første år på universitetet, og det føltes bare sådan som et fantastisk værktøj, man kunne bruge til at løse problemer. Og jeg blev bare forelsket i at løse problemer og besluttede, at jeg ville arbejde i området for hjælpemidler til robotteknologi, hvor jeg kunne bruge problemløsningen til at hjælpe mennesker i processen.

Hvordan fandt du ud af, at hjælpemidler til robotteknologi var dit passion?

Jeg tog en robotklasse under min bacheloruddannelse, og det var, hvor vi brugte Lego Mindstorm-kits for at lære grundlæggende mekanik og robotteknologi. Og det klikkede bare sammen, at det var sådan sjovt at arbejde med, og man kunne skrive programmer og derefter straks se resultaterne. Så det gjorde bare mening at kombinere min kærlighed til at arbejde med disse robot-systemer med min ønske om at hjælpe mennesker. Hjælpemidler til robotteknologi passer lige ind i den niche.

Kan du definere, hvad mekanik er for vores publikum?

Det ville være noget inden for robotteknologiens sfære, hvor man har disse hårdwaresystemer, og man kan styre dem for at fremkalde en forandring i omgivelserne.

Hvilke forskellige anvendelser har du arbejdet med for den teknologi?

For tiden arbejder jeg i BLINC Lab (Bionic Limbs for Improved Natural Control) med Patrick (Pilarski), og den primære anvendelse der er, at jeg arbejder med overkroppsproteser. Så vi har disse intelligente robotenheder, som kan styres gennem myoelektriske signaler, og det er den primære anvendelse, hvordan vi kan styre disse proteser, der nu er fastgjort til den menneskelige krop, for at gøre, hvad brugeren ønsker.

Hvor længe har du arbejdet med det specifikke?

Jeg startede min ph.d. i januar. Jeg gjorde min kandidatuddannelse i robotteknologi og computervision på University of Alberta, hvor jeg arbejdede med robotmanipulation med robotarme.

Jeg er lige nu ved at gå ind i verden af proteser.

Hvilke sikkerhedsproblemer ville du sige, at der er med teknologien lige nu?

Med disse intelligente proteser, så har vi altid sikkerheden først og fremmest. Det er altid, hvad vi tænker på først, fordi disse enheder er fastgjort til et menneske. Så til sidst har mennesket altid den endelige kontrol. Vi kan give forslag til mennesket, sige, “Jeg tror, du vil gøre dette,” men de har altid den endelige kontrol over, hvad der sker. Så vi tænker altid på, hvad er sikkerheden for den enkelte, der skal bruge disse enheder.

I et tidligere interview, talte Patrick om, hvordan hjernen normalt skal tilpasse sig enheden, men i dette tilfælde bruger enheden maskinlæring til at tilpasse sig hjernen. Kan du diskutere dine synspunkter på det?

Ja. Så vi vil bygge kontinuerlige læringsystemer til at køre på disse enheder. Så det handler om at kortlægge signalerne fra brugeren, som i vores tilfælde ville være EMG-signaler. Så overflade-EMG, man sætter elektroder på den enkeltes resterende muskler, og derefter, hvad gør man med disse inputsignaler? Så vi vil kortlægge det til robotbevægelse, ret? Vil du have hånd åbnet? Vil du have hånd lukket? Først må vi beslutte, hvordan vi løser dette kortlægningsproblem, og det er, hvor maskinlæring kommer ind i billedet.

Vi har mønstergenkendelsessystemer, så vi kan forudsige, hvad der sker med den specifikke muskelaktivering. Vi vil have, at det skal lære kontinuerligt og tilpasse sig over tid. Du kan tænke, at hvis dine muskler lige nu, hvis du skulle gå til fitnesscenteret, så ændrer din muskelform sig. Så skal vi nu helt træne en ny maskinlæringsmodel? Nej. Vi vil have, at enheden og maskinlæringskomponenterne skal tilpasse sig personen over tid, efterhånden som de går igennem ændringer eller efterhånden som deres hensigt ændrer sig.

Hvad for en tidsramme tror du, det vil tage, før vi ser disse i den virkelige verden?

Jeg håber, at det vil være inden for min ph.d.-periode. Det er mit mål at løse dette styringsproblem for overkroppsproteser.

Det ville være fantastisk. Og hvad er din vision for fremtiden for assisterende robotteknologi, lad os sige på en 10-årig eller 20-årig horizon?

Jeg forestiller mig en verden, hvor individer, der ønsker at have en protese til brug i deres daglige liv, kan bruge den på en måde, som vi bruger vores arme. Så at gøre den pålidelig, gøre den intuitiv, gøre den let at bruge, det er, hvad jeg gerne vil have.

Og ser du en personlig fremtid, hvor en mindre person ville have en mindre protese? Eller tror du, de alle ville være ens?

Nej, absolut. Jeg tror, at for noget så personligt som dette, man vil have, at disse enheder føles som en udvidelse af ens egen krop. Ret? Man vil have, at det skal være en del af en selv. Så det bringer os ned til personlig og individualiseret sundhedspleje. Disse proteser skal være formet og tilpasset den enkelte, der skal bruge dem, i hvert fald ifølge min opfattelse. Vi ser allerede det. Lige nu, hvis man går til, sige, Glenrose Rehabilitation Hospital her i Edmonton, og man skal have en ny protese, så tager de 3D-modeller af din resterende lem og tilpasser den til din protese. Så vi ser allerede det sker, og for disse intelligente enheder vil det blot være endnu mere.

Så det vil blive tilpasset til brugeren, sandsynligvis ved hjælp af 3D-print?

Ja, tilpasset til brugeren, tilpasset til formen, og derefter tilpasset til styringssystemet.

Og hvor lang tid tager det for en bruger at lære at bruge et af disse systemer?

Vores mål er, at vi skal kunne træne en mere generel maskinlæringsmodel, og derefter tilpasse den til personen inden for en 5-10 minutters træningssession. Det ville være et mål for os.

Når du har opnået det, hvad vil du så gerne arbejde med herefter?

En stor del af min forskning handler også om at arbejde med anatomiafdelingen på University of Alberta, og jeg er fuldstændig fascineret af, hvordan vi som mennesker manipulerer verden omkring os. Så alt, der har med den menneskelige overkrop at gøre, vores arme og hænder er fuldstændig fascinerende. Så jeg vil gerne fokusere alle mine kræfter på overkroppsproteser og gøre disse enheder brugbare for mennesker i den virkelige verden.

På hvilke måder er det mere udfordrende end underkroppen?

Underkroppen, bevægelsen er meget repetitiv. Hvis man tænker på vores gangmønster, er det et lettere kontrolproblem at løse. Mens for overkroppen har man brug for at kunne manipulere objekter i 3D-rum, man har så mange flere frihedsgrader. Hvis man tænker på det, hvis vi lukker vores øjne og rækker rundt, kan vi stadig se verden omkring os gennem vores hænder. Så vi har disse fantastiske sanseorganer, vi kan bruge til at udforske omgivelserne. Så at give det tilbage til det medicinske fællesskab gennem proteser, jeg tror, ville være fantastisk.

Kan du dele, hvordan du får inspiration fra anatomiske studier?

Jeg har arbejdet med Dr. Pierre Lemelin i anatomiafdelingen på University of Alberta i de sidste fem år. Jeg håber, at gennem studiet af menneskets anatomi og forståelse af, hvordan vi manipulerer objekter i omgivelserne, hvad er vores nervebaner, hvilke muskler er aktiveret, kan vi bruge den viden til ikke blot at forbedre strukturen af proteser.

Er der små steder i den faktiske design af protesen, som vi kan ændre, som ville være en lille ændring i mekanisk design, men se en stor øgning i funktion? Men også de underliggende styringssystemer, hvordan vi bruger det. Hvis vi kan forstå nøjagtig, hvilke nerver der aktiveres, når vi tænker, “Åbn min hånd,” så kan vi bruge det til at forudsige, hvad brugeren vil gøre med sin protese, og derefter enact that motion in the robotic device. Tak for det fantastiske interview, læsere, der ønsker at lære mere, skal besøge følgende ressourcer:

• Dr. Patrick M. Pilarski – Unite.AI Interview
• BLINC Lab (Bionic Limbs for Improved Natural Control))
• Upper Bound AI Conference.
• Amii (Alberta Machine Intelligence Institute)