Laura Petrich, PhD-student in Robotica & Machine Learning – Interview Series

Laura volgt momenteel een PhD in Computing Science onder begeleiding van Dr. Patrick Pilarski en Dr. Matthew E. Taylor. Ze behaalde een B.Sc. met eersten in Computing Science aan de University of Alberta in 2019 en een M.Sc. in Computing Science aan de University of Alberta in 2022. Haar onderzoeksinteresses omvatten versterkend leren, mens-robot-interactie, biomechatronica en assistieve robotica. Geïnspireerd door haar anatomische studies met Dr. Pierre Lemelin, heeft Laura’s onderzoek als doel om besturingsmethoden te ontwikkelen voor robotmanipulatie met als doel een toename van functionaliteit, bruikbaarheid, betrouwbaarheid en veiligheid in de echte wereld.

We gingen zitten voor een interview op de jaarlijkse 2023 Upper Bound-conferentie over AI, die gehouden wordt in Edmonton, AB en wordt gehost door Amii (Alberta Machine Intelligence Institute).

Wat trok je aanvankelijk aan tot informatica?

Toen ik terug naar school ging, wilde ik eigenlijk arts worden. En werk-leven-balans is heel belangrijk voor me, dus ik kon veel tijd doorbrengen met mijn familie. En ik wilde altijd al mensen helpen, en ik nam een informatica-cursus in mijn eerste jaar van de universiteit, en het voelde gewoon als zo’n geweldig instrument dat je kon gebruiken om problemen op te lossen. En ik werd gewoon verliefd op probleemoplossing en besloot dat ik in de ruimte van assistieve technologie wilde werken, waar ik mijn probleemoplossende vaardigheden kon gebruiken en mensen kon helpen.

Hoe kwam je erachter dat assistieve technologie je passie was om in te duiken?

Ik nam een robotica-cursus in mijn bachelor, en het was waar we Lego Mindstorm-kits gebruikten om de basis van mechatronica en robotica te leren. En het klikte gewoon allemaal samen dat het zo veel plezier was om mee te werken, en je kon programma’s schrijven en dan meteen de resultaten zien. Dus, het had gewoon zin om mijn liefde voor het werken met deze robotica-systemen te combineren met mijn verlangen om mensen te helpen. Assistieve technologie past precies in die ruimte.

Kun je mechatronica voor onze lezers definiëren?

Het zou gewoon alles binnen de robotica-sfeer zijn waar je deze hardware-systemen hebt, en je kunt ze besturen om veranderingen in de omgeving teweeg te brengen.

Wat zijn enkele van de verschillende use cases waar je aan gewerkt hebt voor die technologie?

Op dit moment werk ik in de BLINC Lab (Bionic Limbs for Improved Natural Control) met Patrick (Pilarski), en de belangrijkste use case daar is dat ik werk aan bovenste ledemaatprothesen. Dus, we hebben deze slimme robotische apparaten die je kunt besturen via myoelektrische signalen, en dat zou de belangrijkste use case zijn, namelijk hoe we deze prothesen die nu aan het menselijk lichaam zijn bevestigd, kunnen besturen om te doen wat de gebruiker wil.

Hoe lang werk je al aan dat specifieke onderwerp?

Ik ben net begonnen met mijn PhD in januari. Ik heb mijn master gedaan in de robotica- en computer-visie-groep aan de University of Alberta, waar ik werkte aan robotmanipulatie met robotarmen.

Ik ga nu de wereld van prothesen in.

Wat zijn enkele veiligheidsproblemen die je zou zeggen dat er op dit moment zijn met de technologie?

Met deze slimme prothese-apparaten, houden we altijd veiligheid voorop. Dat is altijd waar we eerst aan denken, omdat deze apparaten aan een mens zijn bevestigd. Dus, aan het eind van de dag, heeft het apparaat niet het laatste woord. De mens heeft altijd de volledige controle. We kunnen suggesties doen aan de mens, zeggen: “Ik denk dat je dit wilt doen”, maar zij hebben altijd de finale controle over wat er gebeurt. Dus, we denken altijd aan de veiligheid van de persoon die deze apparaten gaat gebruiken.

In een eerder interview, sprak Patrick over hoe het brein meestal moet leren om zich aan het apparaat aan te passen, maar in dit geval gebruikt het apparaat machine learning om zich aan het brein aan te passen. Kun je je mening over dit onderwerp bespreken?

Ja. Dus, we willen continue leer systemen bouwen voor deze apparaten. Dus, het gaat allemaal over het in kaart brengen van de signalen van de gebruiker, die in ons geval EMG-signalen zouden zijn. Dus, oppervlakte-EMG’s, je plaatst elektroden op de resterende spieren van de persoon, en dan, wat doe je met die invoersignalen? Dus, we willen ze in kaart brengen op robotische beweging, recht? Wil je de hand openen? Wil je de hand sluiten? Eerst moeten we beslissen hoe we dat in kaart brengen, en dat is waar machine learning een rol speelt.

Je hebt patroonherkenningssystemen, dus we kunnen voorspellen wat er gebeurt met de specifieke spieractivatie. We willen dat het continue leert en zich aanpast over tijd. Je kunt denken dat, zeg, je spieren op dit moment. Als je naar de sportschool zou gaan, verandert je spiergestalte. Dus, moeten we nu een compleet nieuw machine learning-model trainen? Nee. We willen dat het apparaat en de machine learning-componenten zich aan de persoon aanpassen over tijd, terwijl ze veranderingen ondergaan of terwijl hun intentie verandert.

Wat voor soort tijdslijn denk je dat het zal zijn totdat we deze in de echte wereld zien?

Ik hoop dat het binnen mijn PhD zal zijn. Dat is mijn doel, om dit besturingsprobleem voor bovenste ledemaatprothesen op te lossen.

Dat zou geweldig zijn. En wat is je visie voor de toekomst van assistieve robotica, zeg, in een tijdslijn van 10 jaar of 20 jaar?

Ik stel me een wereld voor waarin individuen die een prothese voor hun dagelijks leven willen, deze kunnen gebruiken op een manier die wij onze armen gebruiken. Dus, om het betrouwbaar, intuïtief, gemakkelijk te gebruiken te maken, dat is wat ik zou willen.

En zie je een toekomst waarin een kleinere persoon een kleinere prothese zou hebben? Of denk je dat ze allemaal hetzelfde zullen zijn?

Nee, absoluut. Ik denk dat voor iets zo persoonlijks als dit, je wilt dat deze apparaten zich voelen als een verlengstuk van je eigen lichaam. Dus, dat brengt ons naar gepersonaliseerde en geïndividualiseerde gezondheidszorg. Deze prothesen zullen moeten worden gevormd en aangepast aan de persoon die ze gaat gebruiken, tenminste, in mijn mening. We zien dit al gebeuren. Op dit moment, als je naar het Glenrose Rehabilitation Hospital in Edmonton gaat en je wordt aangepast voor een nieuwe prothese, maken ze 3D-modellen van je resterende ledemaat en passen ze de prothese aan jou aan.

Dus, het zal op maat gemaakt zijn, waarschijnlijk, voor de gebruiker.

Ja, op maat gemaakt, op maat passend, en dan ook op maat gemaakte besturingssystemen.

En hoe lang duurt het voor een gebruiker om te leren hoe ze een van deze systemen moeten gebruiken?

Ons doel is dat we een meer gegeneraliseerd machine learning-model zouden kunnen trainen, en dan individualiseren voor de persoon binnen een trainingsessie van vijf, 10 minuten. Dat zou ons doel zijn.

Als je dit eenmaal bereikt hebt, wat zou je dan graag willen werken?

Een groot deel van mijn onderzoek is ook werken met de anatomie-afdeling van de University of Alberta, en ik ben helemaal gefascineerd door hoe wij, als mensen, de wereld om ons heen manipuleren. Dus, alles wat te maken heeft met de menselijke bovenste ledemaat. Dus, onze armen en handen zijn compleet fascinerend. Dus, ik zou al mijn inspanningen willen richten op bovenste ledemaatprothesen en ervoor zorgen dat deze apparaten bruikbaar zijn voor mensen in de echte wereld.

Op welke manier is het moeilijker dan de onderste ledematen?

De onderste ledematen, de beweging is heel repetitief. Als je aan onze loopgang denkt, is het een gemakkelijker controleprobleem om op te lossen. Terwijl, voor de bovenste ledematen, moet je in staat zijn om objecten in 3D-ruimte te manipuleren, je hebt zoveel meer vrijheidsgraden. Als je eraan denkt, als we onze ogen sluiten en we om ons heen reiken, kunnen we de wereld om ons heen nog steeds zien door onze handen. Dus, we hebben deze geweldige zintuiglijke organen die we kunnen gebruiken om de omgeving te verkennen. Dus, om dat terug te geven aan de medische gemeenschap via prothesen, denk ik, zou geweldig zijn.

Kun je delen hoe je inspiratie put uit anatomische studies

Ik heb de afgelopen vijf jaar samengewerkt met Dr. Pierre Lemelin in de anatomie-afdeling van de University of Alberta. Ik hoop dat, door het bestuderen van de menselijke anatomie en het begrijpen van hoe we objecten in de omgeving manipuleren, wat onze zenuwbanen zijn, welke spieren geactiveerd worden, we die kennis kunnen gebruiken om niet alleen de structuur van prothesen te verbeteren.

Zijn er kleine plekken in het daadwerkelijke ontwerp van de prothese die we kunnen veranderen die een kleine verandering in mechanisch ontwerp zouden zijn, maar een enorme toename in functionaliteit zouden zien? Maar ook, de onderliggende besturingssystemen, hoe we het gebruiken. Als we exact weten welke zenuwen worden geactiveerd wanneer we denken: “Open mijn hand”, kunnen we dat dan gebruiken om te voorspellen wat de gebruiker met zijn prothese wil doen en vervolgens die beweging in het robotapparaat uitvoeren.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen de volgende bronnen bezoeken:

• Dr. Patrick M. Pilarski – Unite.AI Interview
• BLINC Lab (Bionic Limbs for Improved Natural Control))
• Upper Bound AI Conference.
• Amii (Alberta Machine Intelligence Institute)