Πρόγραμμα Μηχανικής Μάθησης Συνδέεται με τον Ανθρώπινο Εγκέφαλο και Ελέγχει Ρομπότ

Ερευνητές στο Ecole Polytechnique Fédérale de Lausanne έχουν αναπτύξει ένα πρόγραμμα μηχανικής μάθησης που μπορεί να συνδεθεί με τον ανθρώπινο εγκέφαλο και να χρησιμοποιηθεί για να ελέγξει ένα ρομπότ. Το πρόγραμμα μπορεί να αλλάξει τις κινήσεις του ρομπότ με βάση ηλεκτρικές σημάδια από τον εγκέφαλο.

Αυτές οι νέες προοδώσεις θα μπορούσαν να βοηθήσουν ασθενείς με τετραπληγία που δεν μπορούν να μιλήσουν ή να κάνουν κινήσεις. Χτίζεται πάνω στη μεγάλη δουλειά που έχει γίνει στο παρελθόν για να αναπτύξει συστήματα που βοηθούν αυτούς τους ασθενείς να ολοκληρώσουν καθήκοντα μόνοι τους.

Η μελέτη δημοσιεύθηκε στο Communications Biology.

Ο καθηγητής Aude Billard είναι ο επικεφαλής του εργαστηρίου Learning Algorithms and Systems Laboratory του EPFL.

«Οι άνθρωποι με τραυματισμό στο νωτιαίο μυελό συχνά βιώνουν μόνιμες νευρολογικές ελλείψεις και σοβαρές κινητικές αναπηρίες που τους εμποδίζουν να εκτελέσουν ακόμη και τις πιο απλές δραστηριότητες, όπως το να πιάσουν ένα αντικείμενο», είπε ο Billard. “Η βοήθεια από ρομπότ θα μπορούσε να βοηθήσει αυτούς τους ανθρώπους να ανακτήσουν κάποια από τις χαμένες ικανότητές τους,既然 το ρομπότ μπορεί να εκτελέσει καθήκοντα στη θέση τους.”

Κίνηση του Ρομπότ με Σκέψεις

Μαζί με τον José del R. Millán, ο καθηγητής Billard και οι δύο ερευνητικές ομάδες ανέπτυξαν το πρόγραμμα υπολογιστή, το οποίο δεν χρειάζεται έλεγχο φωνής ή αφή. Οι ασθενείς μπορούν να κινήσουν το ρομπότ μόνο με τις σκέψεις τους.

Οι ερευνητές άρχισαν να αναπτύσσουν το σύστημα με βάση einen ρομποτικό βραχίονα που είχε αναπτυχθεί χρόνια πριν. Μπορεί να κινηθεί μπρος και πίσω από δεξιά προς αριστερά, καθώς και να επανατοποθετήσει αντικείμενα μπροστά του και να περάσει γύρω από εμπόδια στο δρόμο του.

«Στη μελέτη μας προγραμματίσαμε ένα ρομπότ να αποφεύγει εμπόδια, αλλά θα μπορούσαμε να επιλέξουμε οποιοδήποτε άλλο είδος καθήκοντος, όπως το να γεμίσει ένα ποτήρι νερό ή να ωθήσει ή να τραβήξει ένα αντικείμενο», λέει ο καθηγητής Billard.

Οι ερευνητές στη συνέχεια βελτίωσαν τον μηχανισμό του ρομπότ για την αποφυγή εμποδίων, ώστε να είναι πιο ακριβής.

Η Carolina Gaspar Pinto Ramon Correia είναι φοιτήτρια διδακτορικού στο εργαστήριο του καθηγητή Billard.

«Στην αρχή, το ρομπότ θα επέλεγε μια διαδρομή που ήταν πολύ ευρεία για κάποια εμπόδια, τηρώντας το πολύ μακριά, και όχι αρκετά ευρεία για άλλα, κρατώντας το πολύ κοντά», λέει η Correia. “Καθώς ο στόχος του ρομπότ μας ήταν να βοηθήσει παράλυτους ασθενείς, έπρεπε να βρούμε έναν τρόπο για τους χρήστες να μπορούν να επικοινωνούν μαζί του χωρίς να χρειάζεται να μιλήσουν ή να κάνουν κινήσεις.”
https://www.youtube.com/watch?v=j6DXowZulIk

Ανάπτυξη του Αλγορίθμου

Για να το κάνουν αυτό, έπρεπε να αναπτύξουν έναν αλγόριθμο που θα μπορούσε να điều chỉnh τις κινήσεις του ρομπότ με βάση μόνο τις σκέψεις του ασθενή. Ο αλγόριθμος ήταν συνδεδεμένος με ένα καπέλο που ήταν εξοπλισμένο με ηλεκτρόδια για την εκτέλεση EEG σκαναρίσματος της εγκεφαλικής δραστηριότητας του ασθενή.

Ο ασθενής χρειάζεται μόνο να κοιτάξει το ρομπότ για να χρησιμοποιήσει το σύστημα. Όταν το ρομπότ κάνει một λάθος κίνηση, ο εγκέφαλος του ασθενή θα εκπέμψει ένα “μήνυμα λάθους” μέσω ενός σαφώς αναγνωρίσιμου σήματος, το οποίο υποδεικνύει στο ρομπότ ότι κάνει μια λάθος ενέργεια. Το ρομπότ δεν θα καταλάβει γιατί λαμβάνει το σήμα αρχικά, αλλά το μήνυμα λάθους τότε τροφοδοτείται στον αλγόριθμο. Ο αλγόριθμος χρησιμοποιεί μια αντίστροφη προσέγγιση ενίσχυσης για να καταλάβει τι θέλει ο ασθενής και ποιες ενέργειες πρέπει να κάνει το ρομπότ.

Η διαδικασία δοκιμής και λάθους σημαίνει ότι το ρομπότ δοκιμάζει διαφορετικές κινήσεις για να δει ποια είναι σωστή, και συνήθως απαιτούνται μόνο τρεις έως πέντε προσπάθειες για να καταλάβει την σωστή απάντηση.

«Το πρόγραμμα AI του ρομπότ μπορεί να μάθει γρήγορα, αλλά πρέπει να του πείτε όταν κάνει ένα λάθος, ώστε να μπορεί να διορθώσει τη συμπεριφορά του», λέει ο καθηγητής Millán. “Η ανάπτυξη της τεχνολογίας ανίχνευσης για σήματα λάθους ήταν μια από τις μεγαλύτερες τεχνικές προκλήσεις που αντιμετωπίσαμε.”

Ο Iason Batzianoulis είναι ο κύριος συγγραφέας της μελέτης.

«Αυτό που ήταν ιδιαίτερα δύσκολο στη μελέτη μας ήταν να συνδέσουμε τη δραστηριότητα του εγκεφάλου του ασθενή με το σύστημα ελέγχου του ρομπότ — ή με άλλα λόγια, ‘μετάφραση’ των σημάτων του εγκεφάλου του ασθενή σε ενέργειες που εκτελούνται από το ρομπότ», λέει ο Batzianoulis. “Το κάναμε αυτό χρησιμοποιώντας μηχανική μάθηση για να συνδέσουμε ένα δεδομένο σήμα του εγκεφάλου με một συγκεκριμένη εργασία. Στη συνέχεια, συνδέσαμε τις εργασίες με ατομικά ελέγχους του ρομπότ, ώστε το ρομπότ να κάνει αυτό που έχει ο ασθενής στο μυαλό του.”

Οι ερευνητές πιστεύουν ότι ο αλγόριθμος θα μπορούσε τελικά να χρησιμοποιηθεί για να ελέγξει αναπηρικά καροτσάκια.

«Για τώρα, υπάρχουν ακόμη πολλά τεχνικά εμπόδια να ξεπεραστούν», λέει ο καθηγητής Billard. “Και τα αναπηρικά καροτσάκια θέτουν ένα εντελώς νέο σύνολο προκλήσεων,既然 και ο ασθενής και το ρομπότ είναι σε κίνηση.”