Programme d’apprentissage automatique qui se connecte au cerveau humain et commande des robots

Les chercheurs de l’Ecole polytechnique fédérale de Lausanne ont développé un programme d’apprentissage automatique qui peut être connecté au cerveau humain et utilisé pour commander un robot. Le programme peut modifier les mouvements du robot en fonction des signaux électriques du cerveau.

Ces nouvelles avancées pourraient aider les patients tétraplégiques qui ne peuvent pas parler ou effectuer des mouvements. Cela s’appuie sur les nombreux travaux qui ont été réalisés dans le passé pour développer des systèmes qui aident ces patients à accomplir des tâches par eux-mêmes.

L’étude a été publiée dans Communications Biology.

Le professeur Aude Billard est à la tête du laboratoire d’algorithmes et de systèmes d’apprentissage de l’EPFL.

« Les personnes ayant subi une lésion de la moelle épinière présentent souvent des déficits neurologiques permanents et des handicaps moteurs graves qui les empêchent de réaliser même les tâches les plus simples, comme saisir un objet », a déclaré Billard. « L’aide des robots pourrait aider ces personnes à récupérer une partie de leur dextérité perdue, car le robot peut exécuter des tâches à leur place. »

Déplacer le robot avec les pensées

Avec José del R. Millán, le professeur Billard et les deux groupes de recherche ont développé le programme informatique, qui n’a pas besoin de contrôle vocal ou de fonction de toucher. Les patients peuvent déplacer le robot avec juste leurs pensées.

Les chercheurs ont commencé à développer le système en s’appuyant sur un bras robotique qui avait été développé il y a des années. Il peut se déplacer d’avant en arrière de droite à gauche, ainsi que repositionner des objets devant lui et contourner des objets sur son chemin.

« Dans notre étude, nous avons programmé un robot pour éviter les obstacles, mais nous aurions pu sélectionner n’importe quelle autre tâche, comme remplir un verre d’eau ou pousser ou tirer un objet », déclare le professeur Billard.

Les chercheurs ont ensuite amélioré le mécanisme du robot pour éviter les obstacles afin qu’il soit plus précis.

Carolina Gaspar Pinto Ramon Correia est un étudiant en doctorat au laboratoire du professeur Billard.

« Au début, le robot choisissait un chemin qui était trop large pour certains obstacles, le faisant s’éloigner trop, et pas assez large pour d’autres, le gardant trop proche », déclare Correia. « Puisque l’objectif de notre robot était d’aider les patients paralysés, nous devions trouver un moyen pour les utilisateurs de pouvoir communiquer avec lui sans avoir besoin de parler ou de bouger. »

Développer l’algorithme

Pour cela, ils ont dû développer un algorithme qui puisse ajuster les mouvements du robot en fonction uniquement des pensées d’un patient. L’algorithme a été connecté à un casque équipé d’électrodes pour effectuer des scans d’activité cérébrale du patient.

Le patient n’a besoin que de regarder le robot pour utiliser le système. Lorsque le robot effectue un mouvement incorrect, le cerveau du patient émet un « message d’erreur » through un signal clairement identifiable, qui indique au robot qu’il effectue une action incorrecte. Le robot ne comprend pas pourquoi il reçoit le signal au début, mais le message d’erreur est ensuite intégré dans l’algorithme. L’algorithme utilise une approche d’apprentissage par renforcement inverse pour déterminer ce que le patient veut et quelles actions le robot doit prendre.

Le processus d’essais et d’erreurs signifie que le robot essaie différents mouvements pour voir lequel est correct, et seulement trois à cinq tentatives sont généralement nécessaires pour déterminer la bonne réponse.

« Le programme d’intelligence artificielle du robot peut apprendre rapidement, mais il faut lui dire lorsqu’il se trompe afin qu’il puisse corriger son comportement », déclare le professeur Millán. « Développer la technologie de détection des signaux d’erreur a été l’un des plus grands défis techniques que nous avons rencontrés. »

Iason Batzianoulis est l’auteur principal de l’étude.

« Ce qui était particulièrement difficile dans notre étude était de relier l’activité cérébrale d’un patient au système de contrôle du robot – ou en d’autres termes, « traduire » les signaux cérébraux d’un patient en actions effectuées par le robot », déclare Batzianoulis. « Nous l’avons fait en utilisant l’apprentissage automatique pour relier un signal cérébral donné à une tâche spécifique. Ensuite, nous avons associé les tâches à des commandes de robot individuelles afin que le robot fasse ce que le patient a en tête. »

Les chercheurs croient que l’algorithme pourrait éventuellement être utilisé pour contrôler les fauteuils roulants.

« Pour l’instant, il y a encore de nombreux obstacles techniques à surmonter », déclare le professeur Billard. « Et les fauteuils roulants posent un tout nouveau ensemble de défis, car à la fois le patient et le robot sont en mouvement. »