Wissenschaftler entwickeln intelligente künstliche Hand, die Benutzersteuerung und Automatisierung kombiniert

Wissenschaftler von der Ecole Polytechnique Fédérale de Lausanne arbeiten an neuen Methoden, um die Steuerung von Roboterhänden, insbesondere für Amputierte, zu verbessern. Sie haben eine Möglichkeit entwickelt, individuelle Fingersteuerung und Automatisierung zu kombinieren, um das Greifen und Manipulieren zu verbessern. Sie testeten diese Idee der Neurotechnik und Robotik an drei verschiedenen Amputierten und sieben gesunden Menschen. Die Ergebnisse der Studie wurden in der Nature Machine Intelligence veröffentlicht.

Diese neu entwickelte Technologie kombiniert zwei separate Bereiche für die Steuerung von Roboterhänden. Dies ist etwas, das bisher noch nicht gemacht wurde, und es folgt dem neuen Bereich der geteilten Steuerung in Neuroprothetik.

Ein neues Konzept kommt aus der Neurotechnik. Die beabsichtigte Fingerbewegung wird durch das Lesen der muskulären Aktivität am Stumpf des Amputierten identifiziert. Dies wird dann für die individuelle Fingersteuerung der Prothese verwendet. Das andere Konzept kommt aus der Robotik. Die Roboterhand kann Objekte greifen und in Kontakt mit ihnen bleiben, indem sie sie umfasst.

“Wenn Sie ein Objekt in Ihrer Hand halten und es beginnt, zu rutschen, haben Sie nur ein paar Millisekunden, um zu reagieren”, erklärt Aude Billard, die die Learning Algorithms and Systems Laboratory der EPFL leitet. “Die Roboterhand hat die Fähigkeit, innerhalb von 400 Millisekunden zu reagieren. Ausgestattet mit Drucksensoren entlang der Finger kann sie reagieren und das Objekt stabilisieren, bevor das Gehirn überhaupt wahrnimmt, dass das Objekt rutscht.”

Der Prozess beginnt damit, dass der Algorithmus lernt, die Absicht des Benutzers zu entschlüsseln, und diese dann in Fingerbewegungen der Prothese übersetzt. Damit dies geschehen kann, muss der Amputierte zunächst den Algorithmus trainieren, der maschinelles Lernen verwendet, indem er eine Reihe von Handbewegungen ausführt. Sensoren werden am Stumpf des Amputierten verwendet und können bestimmte muskuläre Aktivität erkennen. Der Algorithmus lernt dann und verbindet die Handbewegungen mit ihrer entsprechenden muskulären Aktivität. Schließlich wird der Algorithmus die beabsichtigten Fingerbewegungen des Benutzers kennen und dann können die einzelnen Finger auf der Prothese gesteuert werden.

Katie Zhuang ist die erste Autorin der Veröffentlichung. Sie sprach über den Algorithmus des maschinellen Lernens.

“Da MuskelSignale störend sein können, benötigen wir einen Algorithmus des maschinellen Lernens, der bedeutungsvolle Aktivität aus diesen Muskeln extrahiert und sie in Bewegungen interpretiert”, sagte sie.

Die Wissenschaftler gingen dann dazu über, den Algorithmus so zu konstruieren, dass, wenn ein Benutzer versucht, ein Objekt zu greifen, die Roboter-Automatisierung initiiert wird. Der Algorithmus wird der Prothese mitteilen, die Finger zu schließen und zu greifen, wenn ein Objekt mit den Sensoren in Kontakt kommt. Die Sensoren befinden sich auf der Oberfläche der Prothese. Die Wissenschaftler entwickelten dieses neue System auf der Grundlage einer Anpassung einer vorherigen Studie. In dieser Studie wurden Roboterarme so konstruiert, dass sie die Form von Objekten erkennen und sie dann greifen konnten. Sie taten dies allein auf der Grundlage taktiler Informationen und ohne auf visuelle Signale zu vertrauen.

Es gibt noch Herausforderungen vor uns, bevor diese Technologie effektiv bei Menschen eingesetzt und zu einer kommerziell tragbaren Option für Amputierte werden kann, die nach Prothesen suchen. Diese Technologie ist jedoch ein großer Schritt vorwärts in diesem Bereich und wird die Idee der Verschmelzung von Mensch und Robotik weiter vorantreiben. Derzeit wird der Algorithmus noch auf einem Roboter getestet.

“Unsere gemeinsame Steuerung von Roboterhänden könnte in mehreren neuroprothetischen Anwendungen wie bionischen Handprothesen und Brain-to-Machine-Interfaces eingesetzt werden, was den klinischen Einfluss und die Benutzerfreundlichkeit dieser Geräte erhöhen würde”, sagt Silvestro Micera, der Bertarelli Foundation Chair in Translational Neuroengineering an der EPFL und Professor für Bioelektronik an der Scuola Superiore Sant’Anna.