Program Machine-Learning Menghubungkan Otak Manusia dan Mengontrol Robot

Peneliti di Ecole Polytechnique Fédérale de Lausanne telah mengembangkan program machine-learning yang dapat dihubungkan ke otak manusia dan digunakan untuk mengontrol robot. Program ini dapat mengubah gerakan robot berdasarkan sinyal listrik dari otak.

Pengembangan baru ini dapat membantu pasien tetraplegia yang tidak dapat berbicara atau melakukan gerakan. Ini membangun pada banyak pekerjaan yang telah dilakukan sebelumnya untuk mengembangkan sistem yang membantu pasien ini menyelesaikan tugas secara mandiri.

Studi ini dipublikasikan di Communications Biology.

Prof. Aude Billard adalah kepala Laboratorium Algoritma dan Sistem Pembelajaran EPFL.

“Orang dengan cedera sumsum tulang belakang sering mengalami defisit neurologis permanen dan disabilitas motorik parah yang mencegah mereka melakukan tugas sederhana, seperti menggenggam benda,” kata Billard. “Bantuan dari robot dapat membantu orang-orang ini memulihkan beberapa kemampuan yang hilang, karena robot dapat mengeksekusi tugas atas nama mereka.”

Menggerakkan Robot dengan Pikiran

Bersama dengan José del R. Millán, Prof. Billard dan dua kelompok penelitian mengembangkan program komputer, yang tidak memerlukan kontrol suara atau sentuhan. Pasien dapat menggerakkan robot hanya dengan pikiran mereka.

Peneliti mulai mengembangkan sistem ini dengan memulai dari lengan robot yang telah dikembangkan beberapa tahun yang lalu. Ini dapat bergerak bolak-balik dari kanan ke kiri, serta memposisikan benda di depannya dan menghindari benda di jalurnya.

“Dalam studi kami, kami memprogram robot untuk menghindari hambatan, tetapi kami bisa memilih tugas lain, seperti mengisi gelas air atau mendorong atau menarik benda,” kata Prof. Billard.

Peneliti kemudian memperbaiki mekanisme robot untuk menghindari hambatan sehingga lebih presisi.

Carolina Gaspar Pinto Ramon Correia adalah mahasiswa PhD di laboratorium Prof. Billard.

“Awalnya, robot akan memilih jalur yang terlalu lebar untuk beberapa hambatan, menjauhkan diri terlalu jauh, dan tidak cukup lebar untuk yang lain, menjaga diri terlalu dekat,” kata Correia. “Karena tujuan robot kami adalah membantu pasien lumpuh, kami harus menemukan cara bagi pengguna untuk berkomunikasi dengannya tanpa memerlukan berbicara atau bergerak.”

Mengembangkan Algoritma

Untuk melakukan ini, mereka harus mengembangkan algoritma yang dapat menyesuaikan gerakan robot berdasarkan pikiran pasien. Algoritma ini dipasang pada headcap yang dilengkapi dengan elektroda untuk menjalankan pemindaian EEG aktivitas otak pasien.

Pasien hanya perlu melihat robot untuk menggunakan sistem ini. Ketika robot melakukan gerakan yang salah, otak pasien akan mengeluarkan “pesan kesalahan” melalui sinyal yang jelas, yang menunjukkan kepada robot bahwa itu melakukan tindakan yang salah. Robot tidak akan memahami mengapa itu menerima sinyal pada awalnya, tetapi pesan kesalahan kemudian dimasukkan ke dalam algoritma. Algoritma menggunakan pendekatan pembelajaran penguatan invers untuk mengetahui apa yang diinginkan pasien dan apa tindakan yang harus diambil robot.

Proses trial-and-error berarti robot mencoba gerakan yang berbeda untuk melihat mana yang benar, dan biasanya hanya memerlukan tiga hingga lima upaya untuk mengetahui respons yang benar.

“Program AI robot dapat belajar dengan cepat, tetapi Anda harus memberitahu ketika itu membuat kesalahan sehingga itu dapat memperbaiki perilakunya,” kata Prof. Millán. “Mengembangkan teknologi deteksi untuk sinyal kesalahan adalah salah satu tantangan teknis terbesar yang kami hadapi.”

Iason Batzianoulis adalah penulis utama studi ini.

“Apa yang sangat sulit dalam studi kami adalah menghubungkan aktivitas otak pasien dengan sistem kontrol robot — atau dengan kata lain, ‘menerjemahkan’ sinyal otak pasien menjadi tindakan yang dilakukan robot,” kata Batzianoulis. “Kami melakukan itu dengan menggunakan pembelajaran mesin untuk menghubungkan sinyal otak tertentu dengan tugas tertentu. Kemudian kami mengasosiasikan tugas-tugas dengan kontrol robot individu sehingga robot melakukan apa yang dipikirkan pasien.”

Peneliti percaya bahwa algoritma ini dapat digunakan untuk mengontrol kursi roda.

“Untuk sekarang, masih ada banyak hambatan teknis yang harus diatasi,” kata Prof. Billard. “Dan kursi roda menimbulkan tantangan baru, karena baik pasien dan robot bergerak.”