Programa de aprendizaje automático conectado al cerebro humano que controla robots

Los investigadores de la Escuela Politécnica Federal de Lausana han desarrollado un programa de aprendizaje automático que se puede conectar al cerebro humano y utilizado para controlar un robot. El programa puede alterar los movimientos del robot en función de las señales eléctricas del cerebro.

Estos nuevos avances podrían ayudar a pacientes tetraplégicos que no pueden hablar o realizar movimientos. Se basa en el gran trabajo que se ha realizado en el pasado para desarrollar sistemas que ayuden a estos pacientes a realizar tareas por sí mismos.

El estudio se publicó en Communications Biology.

La profesora Aude Billard es la directora del Laboratorio de Algoritmos y Sistemas de Aprendizaje de la EPFL.

“Las personas con lesiones en la médula espinal a menudo experimentan déficits neurológicos permanentes y discapacidades motoras graves que les impiden realizar incluso las tareas más simples, como agarrar un objeto”, dijo Billard. “La asistencia de los robots podría ayudar a estas personas a recuperar parte de su destreza perdida, ya que el robot puede ejecutar tareas en su lugar”.

Mover el robot con pensamientos

Junto con José del R. Millán, la profesora Billard y los dos grupos de investigación desarrollaron el programa de computadora, que no requiere control de voz ni función de tacto. Los pacientes pueden mover el robot solo con sus pensamientos.

Los investigadores comenzaron a desarrollar el sistema basándose en un brazo robótico que se había desarrollado años atrás. Puede moverse hacia adelante y hacia atrás de derecha a izquierda, así como reubicar objetos frente a él y sortear obstáculos en su camino.

“En nuestro estudio, programamos un robot para evitar obstáculos, pero podríamos haber seleccionado cualquier otra tarea, como llenar un vaso de agua o empujar o tirar de un objeto”, dice la profesora Billard.

Los investigadores luego mejoraron el mecanismo del robot para evitar obstáculos para que fuera más preciso.

Carolina Gaspar Pinto Ramon Correia es una estudiante de doctorado en el laboratorio de la profesora Billard.

“Al principio, el robot elegía un camino que era demasiado ancho para algunos obstáculos, alejándolo demasiado, y no lo suficientemente ancho para otros, manteniéndolo demasiado cerca”, dice Correia. “Dado que el objetivo de nuestro robot era ayudar a pacientes paralizados, tuvimos que encontrar una forma para que los usuarios pudieran comunicarse con él sin necesidad de hablar o moverse”.

Desarrollar el algoritmo

Para hacer esto, tuvieron que desarrollar un algoritmo que pudiera ajustar los movimientos del robot solo en función de los pensamientos de un paciente. El algoritmo se conectó a un casco equipado con electrodos para realizar escaneos de EEG de la actividad cerebral del paciente.

El paciente solo necesita mirar el robot para utilizar el sistema. Cuando el robot realiza un movimiento incorrecto, el cerebro del paciente emitirá un “mensaje de error” a través de una señal de identificación clara, que indica al robot que está realizando una acción incorrecta. El robot no entenderá al principio por qué está recibiendo la señal, pero el mensaje de error se alimenta al algoritmo. El algoritmo utiliza un enfoque de aprendizaje de refuerzo inverso para determinar qué es lo que el paciente quiere y qué acciones debe tomar el robot.

El proceso de prueba y error significa que el robot intenta diferentes movimientos para ver cuál es correcto, y generalmente se requieren solo tres a cinco intentos para determinar la respuesta correcta.

“El programa de inteligencia artificial del robot puede aprender rápidamente, pero debes decirle cuándo se equivoca para que pueda corregir su comportamiento”, dice el profesor Millán. “Desarrollar la tecnología de detección de señales de error fue uno de los mayores desafíos técnicos que enfrentamos”.

Iason Batzianoulis es el autor principal del estudio.

“Lo que fue particularmente difícil en nuestro estudio fue vincular la actividad cerebral del paciente con el sistema de control del robot, o en otras palabras, ‘traducir’ las señales de cerebro del paciente en acciones realizadas por el robot”, dice Batzianoulis. “Lo hicimos utilizando aprendizaje automático para vincular una señal de cerebro determinada con una tarea específica. Luego asociamos las tareas con controles de robot individuales para que el robot haga lo que el paciente tiene en mente”.

Los investigadores creen que el algoritmo podría ser utilizado eventualmente para controlar sillas de ruedas.

“Por ahora, todavía hay muchos obstáculos de ingeniería que superar”, dice la profesora Billard. “Y las sillas de ruedas plantean un conjunto completamente nuevo de desafíos, ya que tanto el paciente como el robot están en movimiento”.