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 verwendet werden kann, um einen Roboter zu steuern. 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 Leiterin des Learning Algorithms and Systems Laboratory 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. “Unterstützung durch Roboter könnte diesen Menschen helfen, einige ihrer verlorenen Fähigkeiten wiederzuerlangen, da der Roboter Aufgaben in ihrem Namen ausführen kann.”

Den Roboter mit Gedanken bewegen

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, Objekte vor sich neu positionieren und Hindernisse in seinem Pfad umfahren.

“In unserer Studie haben wir den Roboter programmiert, Hindernisse zu vermeiden, aber wir hätten auch jede andere Art von Aufgabe auswählen 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 Hindernisse zu vermeiden, damit er präziser wurde.

Carolina Gaspar Pinto Ramon Correia ist Doktorandin in Prof. Billards Labor.

“Zunächst wählte der Roboter einen Pfad, der für einige Hindernisse zu breit war und ihn zu weit entfernte, und für andere nicht breit genug war und ihn zu nahe brachte”, sagt Correia. “Da das Ziel unseres Roboters darin bestand, gelähmten Patienten zu helfen, mussten wir eine Möglichkeit finden, wie die Benutzer mit ihm kommunizieren können, ohne sprechen oder sich bewegen zu müssen.”

https://www.youtube.com/watch?v=j6DXowZulIk

Entwicklung des Algorithmus

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

Der Patient muss den Roboter nur 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 das Fehlermeldung-Signal wird dann in den Algorithmus eingespeist. Der Algorithmus verwendet einen inversen Verstärkungs-Lernalgorithmus, 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 herauszufinden, welche korrekt ist, und normalerweise nur drei bis fünf Versuche benötigt, um die richtige Reaktion zu finden.

“Das künstliche Intelligenz-Programm des Roboters kann schnell lernen, aber man muss ihm sagen, 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 eines Patienten mit dem Steuersystem des Roboters – oder mit anderen Worten, die ‘Übersetzung’ der Hirnsignale eines Patienten in Aktionen, die vom Roboter ausgeführt werden”, sagt Batzianoulis. “Wir haben dies erreicht, indem wir maschinelles Lernen verwendet haben, um ein bestimmtes Hirnsignal mit einer bestimmten Aufgabe zu verknüpfen. Dann haben wir die Aufgaben mit den einzelnen Steuerungen des Roboters verknüpft, damit der Roboter tut, was der Patient im Sinn hat.”

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

“Im Moment gibt es noch viele technische Hürden, die überwunden werden müssen”, sagt Prof. Billard. “Und Rollstühle stellen eine völlig neue Reihe von Herausforderungen dar, da sowohl der Patient als auch der Roboter in Bewegung sind.”