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

Laura er i øjeblikket ved at gennemføre en ph.d. i datalogi under vejledning af Dr. Patrick Pilarski og Dr. Matthew E. Taylor. Hun modtog en B.Sc. med udmærkelse i datalogi fra University of Alberta i 2019 og en M.Sc. i datalogi fra University of Alberta i 2022. Hendes forskningsinteresser omfatter forstærket læring, menneske-robot-interaktion, biomekanik og assistive robotteknologi. Hun har fået inspiration fra sine anatomiske studier med Dr. Pierre Lemelin, og Lauras forskning har til formål at udvikle kontrolmetoder for robotmanipulation med det formål at øge funktionalitet, brugervenlighed, pålidelighed og sikkerhed i den virkelige verden.

Vi satte os ned til et interview ved den årlige 2023 Upper Bound-konference om kunstig intelligens, der afholdes i Edmonton, AB, og som værter af Amii (Alberta Machine Intelligence Institute).

Hvad var det, der oprindeligt tiltrak dig til datalogi?

Så, da jeg kom tilbage til skolen, ville jeg faktisk være læge for at begynde 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 som sådan en fantastisk værktøj, som man kunne bruge til at løse problemer. Og jeg blev bare forelsket i problemløsning og besluttede, at jeg ville arbejde i området for assistive teknologi, hvor jeg kunne bruge problemløsning til at hjælpe mennesker i processen.

Hvordan fandt du ud af, at assistive teknologi var din passion?

Jeg tog en robotklasse under min bacheloruddannelse, og det var, hvor vi brugte Lego Mindstorm-kits for at lære grundlæggende mekatronik og robotteknologi. Og det klikkede bare sammen, at det var så meget 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. Assistive teknologi passer lige ind i det rum.

Kan du definere mekatronik for vores publikum?

Det ville være ligesom noget inden for robotteknologiens sfære, hvor man har disse hardware-systemer, og man kan kontrollere dem for at fremkalde en forandring i miljøet.

Hvad er nogle af de forskellige anvendelsesområder, du har arbejdet med for den teknologi?

Lige nu arbejder jeg i BLINC Lab (Bionic Limbs for Improved Natural Control) med Patrick (Pilarski), og hovedanvendelsesområdet er, at jeg arbejder med overkroppsproteser. Så, vi har disse smarte robotenheder, som man kan kontrollere gennem myoelektriske signaler, og det er hovedanvendelsesområdet, hvordan kontrollerer vi disse proteser, der nu er fastgjort til den menneskelige krop, så de gør, hvad brugeren vil have.

Hvor længe har du arbejdet med det specifikt?

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

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

Hvad er nogle sikkerhedsproblemer, du ville sige, der er forbundet med teknologien lige nu?

Med disse smarte proteseenheder tænker vi altid på sikkerheden først og fremmest. Det er altid, hvad vi tænker på først, fordi disse enheder er fastgjort til et menneske. Så, til sidst har enheden ikke det endelige ord. Mennesket har altid den endelige kontrol over, hvad der sker. Vi kan give forslag til mennesket og 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 lære at 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 læringssystemer til at køre på disse enheder. Så, det handler alt om at kortlægge signalerne fra brugeren, som i vores tilfælde ville være EMG-signaler. Så, overflade-EMG’er, man sætter elektroder på den enkeltes resterende muskler, og så, hvad gør man med disse indgangssignaler? Så, vi vil kortlægge det til robotbevægelse, ret? Vil du have hånd åben? Vil du have hånd lukket? Først må vi beslutte, hvordan vi løser dette kortlægningsproblem, og det er, hvor maskinlæring kommer ind i billedet.

Du har mønstergenkendelsessystemer, så vi kan forudsige, hvad der sker med den specifikke muskelaktivering. Vi vil have, at det skal lære og tilpasse sig over tid. Du kan tænke, at, siger, dine muskler lige nu. Hvis du gik til fitnesscenteret, ændrer din muskelform sig. Så, skal vi nu helt træne et nyt maskinlæringmodell? Nej. Vi vil have, at enheden og maskinlæringkomponenterne skal tilpasse sig personen over tid, mens de går gennem ændringer eller mens deres hensigt ændrer sig.

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

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

Det ville være fantastisk. Og hvad er din vision for fremtidens assistive robotteknologi, siger, på en 10-årig eller 20-årig horizon?

Jeg forestiller mig en verden, hvor personer, der gerne vil have en protese til brug i deres daglige liv, kan bruge den på samme 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 ville være ens?

Nej, absolut. Jeg tror, at for noget så personligt som dette, vil man ønske, 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 vil nødt til at blive formet og tilpasset den enkelte, der skal bruge dem, i hvert fald ifølge min mening. Vi ser allerede dette. Lige nu, når du går til, siger, Glenrose Rehabilitation Hospital her i Edmonton, og du skal have en ny protese, så tager de 3D-modeller af din resterende lem og tilpasser den til dig. Så, vi ser allerede dette ske, og for disse smarte enheder vil det blot være endnu mere.

Så, det vil blive tilpasset til brugeren, formodentlig?

Ja, tilpasset, 3D-udskrevet, tilpasset og så også tilpasset kontrolsystemer.

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 et mere generelt maskinlæringmodell, og derefter tilpasse det til personen inden for en 5-10 minutters træningssession. Det ville være et mål for os.

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

En stor del af min forskning er også 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. Så, vores arme og hænder er fuldstændig fascinerende. Så, jeg vil gerne fokusere alle mine kræfter på overkroppsproteser og virkelig 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, skal man kunne manipulere objekter i 3D-rum, man har så mange flere frihedsgrader. Hvis man tænker på det, hvis vi lukker øjnene og rækker rundt, kan vi stadig se verden omkring os gennem vores hænder. Så, vi har disse fantastiske sanseorganer, som vi kan bruge til at udforske miljøet. Så, at kunne give det tilbage til det medicinske fællesskab gennem proteser, tror jeg, ville være fantastisk.

Kan du dele, hvordan du drager 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 miljøet, hvad er vores nervebaner, hvilke muskler aktiveres, kan vi bruge den viden til ikke kun at forbedre strukturen af proteser.

Er der små steder i den faktiske design af protesen, som vi kan ændre, og som ville være en lille ændring i mekanisk design, men som ville se en stor øgning i funktion? Men også de underliggende kontrolsystemer, hvordan vi bruger det. Hvis vi kan forstå nøjagtig, hvilke nerver der aktiveres, når vi tænker: “Åbn min hånd,” kan vi så bruge det til at forudsige, hvad brugeren vil gøre med sin protese, og derefter udføre den bevægelse i den robotiske enhed.

Tak for det fantastiske interview. Læsere, der ønsker at lære mere, kan besøge følgende ressourcer:

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