रोबोटिक्स
मशीन-लर्निंग प्रोग्राम मानव मस्तिष्क से जुड़ता है और रोबोट को आदेश देता है
इकोले पॉलिटेक्निक फ़ेडेरेल डी लॉज़ेन के शोधकर्ताओं ने एक मशीन-लर्निंग प्रोग्राम विकसित किया है जिसे मानव मस्तिष्क से जोड़ा जा सकता है और रोबोट को कमांड करने के लिए उपयोग किया जा सकता है। प्रोग्राम मस्तिष्क से विद्युत संकेतों के आधार पर रोबोट की गतिविधियों को बदल सकता है।
ये नई प्रगति उन टेट्राप्लाजिक रोगियों की सहायता कर सकती है जो बोलने या हरकत करने में असमर्थ हैं। यह उन प्रणालियों को विकसित करने के लिए अतीत में किए गए बड़े पैमाने पर काम पर आधारित है जो इन रोगियों को अपने दम पर कार्य पूरा करने में मदद करती हैं।
अध्ययन में प्रकाशित किया गया था संचार जीवविज्ञान.
प्रो. औड बिलार्ड ईपीएफएल के लर्निंग एल्गोरिदम और सिस्टम प्रयोगशाला के प्रमुख हैं।
बिलार्ड ने कहा, "रीढ़ की हड्डी की चोट वाले लोग अक्सर स्थायी न्यूरोलॉजिकल घाटे और गंभीर मोटर विकलांगताओं का अनुभव करते हैं जो उन्हें किसी वस्तु को पकड़ने जैसे सबसे सरल कार्य करने से भी रोकते हैं।" "रोबोट की सहायता से इन लोगों को अपनी खोई हुई कुछ निपुणता वापस पाने में मदद मिल सकती है, क्योंकि रोबोट उनके स्थान पर कार्य निष्पादित कर सकता है।"
विचारों के साथ रोबोट को आगे बढ़ाना
जोस डेल आर. मिलन के साथ, प्रो. बिलार्ड और दो शोध समूहों ने कंप्यूटर प्रोग्राम विकसित किया, जिसके लिए आवाज नियंत्रण या स्पर्श फ़ंक्शन की आवश्यकता नहीं है। मरीज सिर्फ अपने विचारों से रोबोट को हिला सकते हैं।
शोधकर्ताओं ने इस प्रणाली को सबसे पहले एक रोबोटिक भुजा पर आधारित करके विकसित करना शुरू किया, जिसे वर्षों पहले विकसित किया गया था। यह दाएँ से बाएँ आगे-पीछे घूम सकता है, साथ ही अपने सामने की वस्तुओं की स्थिति बदल सकता है और अपने रास्ते में आने वाली वस्तुओं के आसपास पहुँच सकता है।
प्रोफेसर बिलार्ड कहते हैं, "हमारे अध्ययन में हमने बाधाओं से बचने के लिए एक रोबोट को प्रोग्राम किया, लेकिन हम किसी अन्य प्रकार का कार्य चुन सकते थे, जैसे एक गिलास पानी भरना या किसी वस्तु को धक्का देना या खींचना।"
इसके बाद शोधकर्ताओं ने बाधाओं से बचने के लिए रोबोट के तंत्र में सुधार किया ताकि यह अधिक सटीक हो सके।
कैरोलिना गैस्पर पिंटो रेमन कोर्रेया प्रोफेसर बिलार्ड की प्रयोगशाला में पीएचडी छात्र हैं।
कोर्रेया कहते हैं, "सबसे पहले, रोबोट एक ऐसा रास्ता चुनता था जो कुछ बाधाओं के लिए बहुत चौड़ा होता था, इसे बहुत दूर ले जाता था, और दूसरों के लिए पर्याप्त चौड़ा नहीं होता था, जिससे यह बहुत करीब रहता था।" "चूंकि हमारे रोबोट का लक्ष्य लकवाग्रस्त रोगियों की मदद करना था, इसलिए हमें उपयोगकर्ताओं के लिए इसके साथ संवाद करने में सक्षम होने का एक तरीका ढूंढना था जिसमें बोलने या हिलने-डुलने की आवश्यकता न हो।"
का विकास करना कलन विधि
ऐसा करने के लिए, उन्हें एक एल्गोरिदम विकसित करना था जो केवल रोगी के विचारों के आधार पर रोबोट की गतिविधियों को समायोजित कर सके। एल्गोरिदम को मरीज की मस्तिष्क गतिविधि के ईईजी स्कैन चलाने के लिए इलेक्ट्रोड से सुसज्जित हेडकैप से जोड़ा गया था।
सिस्टम का उपयोग करने के लिए मरीज को केवल रोबोट को देखने की जरूरत है। जब रोबोट कोई गलत कदम उठाता है, तो रोगी का मस्तिष्क स्पष्ट रूप से पहचाने जाने योग्य सिग्नल के माध्यम से एक "त्रुटि संदेश" उत्सर्जित करेगा, जो रोबोट को इंगित करता है कि वह गलत कार्य कर रहा है। रोबोट पहले यह नहीं समझ पाएगा कि उसे सिग्नल क्यों प्राप्त हो रहा है, लेकिन फिर त्रुटि संदेश एल्गोरिथम में फीड हो जाता है। एल्गोरिदम एक व्युत्क्रम सुदृढीकरण सीखने के दृष्टिकोण का उपयोग करता है ताकि यह पता लगाया जा सके कि रोगी क्या चाहता है और रोबोट को क्या कार्रवाई करनी चाहिए।
परीक्षण-और-त्रुटि प्रक्रिया का मतलब है कि रोबोट यह देखने के लिए विभिन्न गतिविधियों की कोशिश करता है कि कौन सा सही है, और सही प्रतिक्रिया का पता लगाने के लिए आमतौर पर केवल तीन से पांच प्रयासों की आवश्यकता होती है।
प्रोफेसर मिलन कहते हैं, "रोबोट का एआई प्रोग्राम तेजी से सीख सकता है, लेकिन जब वह गलती करता है तो आपको उसे बताना होगा ताकि वह अपने व्यवहार को सुधार सके।" "त्रुटि संकेतों के लिए पहचान तकनीक विकसित करना हमारे सामने सबसे बड़ी तकनीकी चुनौतियों में से एक थी।"
इयासन बत्ज़ियानोलिस अध्ययन के प्रमुख लेखक हैं।
"हमारे अध्ययन में जो विशेष रूप से कठिन था वह एक मरीज की मस्तिष्क गतिविधि को रोबोट की नियंत्रण प्रणाली से जोड़ना था - या दूसरे शब्दों में, एक मरीज के मस्तिष्क के संकेतों को रोबोट द्वारा किए गए कार्यों में 'अनुवाद' करना," बत्ज़ियानोलिस कहते हैं। “हमने किसी दिए गए मस्तिष्क संकेत को किसी विशिष्ट कार्य से जोड़ने के लिए मशीन लर्निंग का उपयोग करके ऐसा किया। फिर हमने कार्यों को अलग-अलग रोबोट नियंत्रणों के साथ जोड़ा ताकि रोबोट वही करे जो मरीज के मन में हो।''
शोधकर्ताओं का मानना है कि एल्गोरिदम का उपयोग अंततः व्हीलचेयर को नियंत्रित करने के लिए किया जा सकता है।
प्रोफेसर बिलार्ड कहते हैं, ''फिलहाल अभी भी बहुत सारी इंजीनियरिंग बाधाओं को दूर करना बाकी है।'' "और व्हीलचेयर चुनौतियों का एक बिल्कुल नया सेट पेश करती है, क्योंकि रोगी और रोबोट दोनों गति में हैं।"
