Machine-Learning-Programm verbindet sich mit dem menschlichen Gehirn und steuert Roboter

Forscher an der Ecole Polytechnique Fédérale de Lausanne haben ein Machine-Learning-Programm entwickelt, das mit dem menschlichen Gehirn verbunden werden und einen Roboter steuern kann. Das Programm kann die Bewegungen des Roboters basierend auf elektrischen Signalen aus dem Gehirn ändern.

Diese neuen Fortschritte könnten tetraplegischen Patienten helfen, die nicht sprechen oder Bewegungen ausführen können. Es baut auf der großen Menge an Arbeit auf, die in der Vergangenheit geleistet wurde, um Systeme zu entwickeln, die diesen Patienten helfen, Aufgaben auf eigene Faust zu erledigen.

Die Studie wurde in Communications Biology veröffentlicht.

Prof. Aude Billard ist der Leiter des Laboratoriums für Lernalgorithmen und Systeme an der EPFL.

“Menschen mit einer Rückenmarksverletzung erleben oft dauerhafte neurologische Defizite und schwere motorische Behinderungen, die es ihnen unmöglich machen, auch die einfachsten Aufgaben auszuführen, wie zum Beispiel ein Objekt zu greifen”, sagte Billard. “Die Unterstützung durch Roboter könnte diesen Menschen helfen, einige ihrer verlorenen Fähigkeiten wiederzuerlangen, da der Roboter Aufgaben an ihrer Stelle ausführen kann.”

Den Roboter mit Gedanken steuern

Zusammen mit José del R. Millán entwickelten Prof. Billard und die beiden Forschungsgruppen das Computerprogramm, das keine Sprachsteuerung oder Berührung benötigt. Die Patienten können den Roboter mit ihren Gedanken steuern.

Die Forscher begannen mit der Entwicklung des Systems, indem sie es auf einen Roboterarm basierten, der vor Jahren entwickelt worden war. Er kann sich von rechts nach links und von links nach rechts bewegen und Objekte vor sich umstellen und Hindernissen ausweichen.

“In unserer Studie haben wir den Roboter programmiert, Hindernissen auszuweichen, aber wir hätten auch jede andere Art von Aufgabe wählen können, wie zum Beispiel ein Glas Wasser füllen oder ein Objekt schieben oder ziehen”, sagt Prof. Billard.

Die Forscher verbesserten dann den Mechanismus des Roboters, um Hindernissen auszuweichen, damit er präziser wurde.

Carolina Gaspar Pinto Ramon Correia ist eine Doktorandin im Labor von Prof. Billard.

“Zunächst wählte der Roboter einen Pfad, der für einige Hindernisse zu breit war und ihn zu weit entfernte, und für andere nicht breit genug, so dass er zu nah kam”, sagt Correia. “Da das Ziel unseres Roboters war, gelähmten Patienten zu helfen, mussten wir einen Weg finden, wie die Benutzer mit ihm kommunizieren konnten, ohne sprechen oder sich bewegen zu müssen.”

Die Entwicklung des Algorithmus

Um dies zu erreichen, mussten sie einen Algorithmus entwickeln, der die Bewegungen des Roboters basierend auf den Gedanken des Patienten anpassen konnte. Der Algorithmus wurde an einer Kopfkappe befestigt, die mit Elektroden für die Durchführung von EEG-Scans der Hirnaktivität des Patienten ausgestattet war.

Der Patient muss nur den Roboter ansehen, um das System zu verwenden. Wenn der Roboter eine falsche Bewegung ausführt, sendet das Gehirn des Patienten ein “Fehlermeldung”-Signal, das dem Roboter anzeigt, dass er eine falsche Aktion ausführt. Der Roboter versteht zunächst nicht, warum er das Signal erhält, aber die Fehlermeldung wird dann in den Algorithmus eingespeist. Der Algorithmus verwendet einen inversen Verstärkungslernalgorithmus, um herauszufinden, was der Patient will und welche Aktionen der Roboter ausführen soll.

Der Trial-and-Error-Prozess bedeutet, dass der Roboter verschiedene Bewegungen ausprobiert, um die richtige zu finden, und normalerweise nur drei bis fünf Versuche benötigt, um die richtige Reaktion zu finden.

“Das AI-Programm des Roboters kann schnell lernen, aber man muss es informieren, wenn es einen Fehler macht, damit es sein Verhalten korrigieren kann”, sagt Prof. Millán. “Die Entwicklung der Erkennungstechnologie für Fehlermeldungen war eine der größten technischen Herausforderungen, denen wir gegenüberstanden.”

Iason Batzianoulis ist der Hauptautor der Studie.

“Was besonders schwierig in unserer Studie war, war die Verbindung der Hirnaktivität des Patienten mit dem Steuersystem des Roboters – oder mit anderen Worten, die ‘Übersetzung’ der Hirnsignale des Patienten in Aktionen, die der Roboter ausführt”, sagt Batzianoulis. “Wir haben dies erreicht, indem wir maschinelles Lernen verwendet haben, um ein bestimmtes Hirnsignal mit einer bestimmten Aufgabe zu verbinden. Dann haben wir die Aufgaben mit den individuellen Steuerungen des Roboters verknüpft, so dass der Roboter tut, was der Patient im Sinn hat.”

Die Forscher glauben, dass der Algorithmus möglicherweise verwendet werden kann, um Rollstühle zu steuern.

“Für den Moment gibt es noch viele technische Hürden zu überwinden”, sagt Prof. Billard. “Und Rollstühle stellen eine ganz neue Herausforderung dar, da sowohl der Patient als auch der Roboter in Bewegung sind.”