Maskinlæringprogram forbinder sig til menneskehjernen og styrer robotter

Forskere ved Ecole Polytechnique Fédérale de Lausanne har udviklet et maskinlæringsprogram, der kan kobles til en menneskehjerne og bruges til at styre en robot. Programmet kan ændre robotens bevægelser baseret på elektriske signaler fra hjernen.

Disse nye fremskridt kan hjælpe tetraplegipatienter, der ikke kan tale eller udføre bevægelser. Det bygger på det store arbejde, der er blevet udført tidligere for at udvikle systemer, der hjælper disse patienter med at udføre opgaver på egen hånd.

Studiet blev offentliggjort i Communications Biology.

Prof. Aude Billard er leder af EPFL’s Learning Algorithms and Systems Laboratory.

“Personer med en rygmarvsskade oplever ofte permanente neurologiske mangler og alvorlige motoriske handicapper, der forhindrer dem i at udføre selv de enkleste opgaver, såsom at gribe et objekt,” siger Billard. “Hjælp fra robotter kunne hjælpe disse mennesker med at genskabe nogen af deres tabte fingernemhed, da robotten kan udføre opgaver i deres sted.”

At flytte robotter med tanker

Sammen med José del R. Millán udviklede Prof. Billard og de to forskningsgrupper computerprogrammet, der ikke kræver tale- eller berøringskontrol. Patienterne kan flytte robotterne med blot deres tanker.

Forskerne startede med at udvikle systemet ved at basere det på en robotarm, der var blevet udviklet for år tilbage. Den kan bevæge sig frem og tilbage fra højre til venstre samt ompositionere objekter foran sig og undgå objekter i dens bane.

“I vores studie programmede vi en robot til at undgå hindringer, men vi kunne have valgt enhver anden type opgave, såsom at fylde et glas vand eller skubbe eller trække et objekt,” siger Prof. Billard.

Forskerne forbedrede herefter robotens mekanisme for at undgå hindringer, så den blev mere præcis.

Carolina Gaspar Pinto Ramon Correia er en ph.d.-studerende ved Prof. Billards laboratorium.

“Til at begynde med ville robotten vælge en bane, der var for bred for nogle hindringer, og tage den for langt væk, og ikke bred nok for andre, og holde den for tæt,” siger Correia. “Da vores robots mål var at hjælpe lammete patienter, måtte vi finde en måde for brugerne at kunne kommunikere med den på, der ikke krævede tale eller bevægelse.”

At udvikle algoritmen

For at gøre dette måtte de udvikle en algoritme, der kunne justere robotens bevægelser baseret kun på en patients tanker. Algoritmen blev koblet til en hoveddæksel udstyret med elektroder til at køre EEG-scans af patientens hjerneaktivitet.

Patienten behøver kun at se på robotten for at bruge systemet. Når robotten foretager en forkert bevægelse, vil patientens hjerne sende en “fejlmeddelelse” gennem et tydeligt identificerbart signal, der angiver til robotten, at den udfører en forkert handling. Robotten vil ikke forstå, hvorfor den modtager signalet til at begynde med, men fejlmeddelelsen indføres herefter i algoritmen. Algoritmen bruger en inverse forstærkningstilgang til at finde ud af, hvad patienten ønsker, og hvilke handlinger robotten skal udføre.

Prøve-og-fejlprocessen indebærer, at robotten prøver forskellige bevægelser for at se, hvilken der er korrekt, og kun tre til fem forsøg er normalt nødvendige for at finde den rigtige respons.

“Robotens AI-program kan lære hurtigt, men du må fortælle det, når det begår en fejl, så det kan korrigere sin adfærd,” siger Prof. Millán. “At udvikle detektionsteknologien for fejlsignaler var en af de største tekniske udfordringer, vi stod over for.”

Iason Batzianoulis er studiets førsteforfatter.

“Det, der var særligt svært i vores studie, var at koble en patients hjerneaktivitet til robotens kontrolsystem – eller med andre ord, ‘at oversætte’ en patients hjernesignaler til handlinger udført af robotten,” siger Batzianoulis. “Vi gjorde det ved at bruge maskinlæring til at koble en given hjernesignal til en bestemt opgave. Så associerede vi opgaverne med individuelle robotkontroller, så robotten gør, hvad patienten har i sinde.”

Forskerne mener, at algoritmen kunne bruges til at styre kørestole.

“For nu er der stadig mange tekniske hindringer at overvinde,” siger Prof. Billard. “Og kørestole stiller et helt nyt sæt udfordringer, da både patienten og robotten er i bevægelse.”