Laura Petrich, PhD-student i robotikk og maskinlæring – Intervju-serie

Laura er for tiden PhD-student i datavitenskap under veiledning av Dr. Patrick Pilarski og Dr. Matthew E. Taylor. Hun tok en bachelorgrad med honorer i datavitenskap fra University of Alberta i 2019 og en mastergrad i datavitenskap fra University of Alberta i 2022. Hennes forskningsinteresser inkluderer forsterkingslæring, menneske-robot-interaksjon, biomekatronikk og assistive robotikk. Hun har fått inspirasjon fra sine anatomiske studier med Dr. Pierre Lemelin, og hennes forskning har som mål å utvikle kontrollmetoder for robotmanipulasjon med målet om økt funksjonalitet, brukervennlighet, pålitelighet og sikkerhet i den virkelige verden.

Vi hadde en samtale under den årlige 2023 Upper Bound-konferansen om kunstig intelligens, som ble holdt i Edmonton, AB og arrangert av Amii (Alberta Machine Intelligence Institute).

Hva var det som først tiltalte deg til datavitenskap?

Da jeg begynte på skolen, ville jeg faktisk bli lege. Og arbeidslivsbalanse er veldig viktig for meg, så jeg kunne tilbringe mye tid med familien min. Og jeg har alltid ønsket å hjelpe mennesker, og jeg endte med å ta en datavitenskapsklasse i mitt første år på universitetet, og det føltes som et så fantastisk verktøy som man kunne bruke til å løse problemer. Og jeg ble helt forelsket i å løse problemer og bestemte meg for at jeg ville jobbe i området assistive teknologi, hvor jeg kunne bruke problemløsning til å hjelpe mennesker.

Hvordan fant du ut at assistive teknologi var din lidenskap?

Jeg tok en robotikkklasse i min bachelor, og det var der vi brukte Lego Mindstorm-kits for å lære grunnleggende mekatronikk og robotikk. Og det klikket bare sammen at det var så mye moro å jobbe med, og du kunne skrive programmer og så umiddelbart se resultatene av det. Så, det gjorde bare mening å kombinere min kjærlighet til å jobbe med disse robot-systemene med min ønske om å hjelpe mennesker. Assistive teknologi passer perfekt inn i det rommet.

Kan du definere mekatronikk for vårt publikum?

Det ville være som noe innenfor robotikk-sfæren hvor du har disse hårdwaresystemene, og du kan kontrollere dem for å frembringe endringer i miljøet.

Hva er noen av de forskjellige bruksområdene du har jobbet med for den teknologien?

Aktuelt jobber jeg i BLINC Lab (Bionic Limbs for Improved Natural Control) med Patrick (Pilarski), og hovedbruksområdet der er at jeg jobber med overkroppsproteser. Så, vi har disse smarte robotiske enhetene som kan kontrolleres gjennom myoelektriske signaler, og det er hovedbruksområdet, nemlig hvordan vi kontrollerer disse proseser som nå er festet til den menneskelige kroppen for å gjøre det brukeren ønsker.

Hvor lenge har du jobbet med det spesifikt?

Jeg startet min PhD i januar. Jeg tok min master i robotikk- og datavisjonsgruppen ved University of Alberta, hvor jeg jobbet med robotmanipulasjon med robot-armer.

Jeg er nå på vei inn i verden av proseser.

Hva er noen av sikkerhetsproblemer som du ville si med teknologien for tiden?

Med disse smarte proseser, så tenker vi alltid på sikkerheten først og fremst. Det er alltid det vi tenker på først, fordi disse enhetene er festet til et menneske. Så, til slutt er det mennesket alltid i full kontroll. Vi kan gi forslag til mennesket, si “Jeg tror at du vil gjøre dette”, men de har alltid den endelige kontrollen over hva som skjer. Så, vi tenker alltid på hva er sikkerheten for den enkeltne som skal bruke disse enhetene.

I et tidligere intervju, snakket Patrick om hvordan hjernen vanligvis må lære å tilpasse seg enheten, men i dette tilfelle så bruker enheten maskinlæring til å tilpasse seg hjernen. Kan du diskutere dine synspunkter på dette?

Ja. Så, vi vil bygge kontinuerlige læringsystemer for å kjøre på disse enhetene. Så, det handler om å kartlegge signalene fra brukeren, som i vårt tilfelle ville være EMG-signaler. Så, overflates-EMG, du plasserer elektroder på den enkeltes resterende muskler som de har, og så hva gjør du med disse inngangssignalene? Så, vi vil kartlegge det til robotbevegelse, rett? Vil du ha hånd åpnet? Vil du ha hånd lukket? Først må vi bestemme hvordan vi løser kartleggingsproblemet, og det er der maskinlæring kommer inn i bildet.

Du har mønstergjenkjenningssystemer, så vi kan forutsi hva som skjer med den spesifikke muskelaktiveringen. Vi vil at det skal lære kontinuerlig og tilpasse seg over tid. Du kan tenke at, si, dine muskler nå. Hvis du skulle gå til treningsstudio, så endrer muskelformen seg. Så, må vi nå fullstendig trene en ny maskinlæringsmodell? Nei. Vi vil at enheten og maskinlæringskomponentene skal tilpasse seg personen over tid, mens de går gjennom endringer eller mens deres intensjoner endrer seg.

Hva slags tidsramme tror du det vil være før vi ser disse i den virkelige verden?

Jeg håper innen min PhD. Det er mitt mål å løse dette kontrollproblemet for overkroppsproteser.

Det ville være fantastisk. Og hva er din visjon for fremtiden av assistive robotikk, la oss si på en 10-års eller 20-års tidsramme?

Jeg forestiller meg en verden hvor individer som ønsker å ha en proses for bruk i deres daglige liv, skulle kunne bruke den på en måte som vi bruker armene våre. Så, å gjøre den pålitelig, å gjøre den intuitiv, å gjøre den enkel å bruke, det er hva jeg ønsker.

Og ser du en personlig fremtid hvor en mindre person ville ha en mindre proses? Eller tror du de ville være alle like?

Nei, absolutt. Jeg tror at for noe så personlig som dette, så ønsker du at disse enhetene skal føles som en utvidelse av din egen kropp. Rett? Du ønsker at de skal være en del av deg. Så, det bringer oss ned til personlig og individualisert helse. Disse prosesene ville nødt til å bli formet og tilpasset den enkeltne som skal bruke dem, i mitt syn.

Så, det vil bli tilpasset 3D-utskrevet, antageligvis, for brukeren.

Ja, tilpasset 3D-utskrevet, tilpasset passform, og så tilpasset personlige kontrollsystemer, også.

Og hvor lenge tar det for en bruker å lære å bruke ett av disse systemene?

Vårt mål er at vi skulle kunne trene en mer generalisert maskinlæringsmodell, og så kunne individualisere den til personen innen en 5-10 minutters treningsøkt. Det ville være et mål for oss.

Når du har oppnådd dette, hva ville du like å jobbe med neste?

En stor del av min forskning er også å jobbe med anatomidepartementet ved University of Alberta, og jeg er fullstendig fascinert av hvordan vi, som mennesker, manipulerer verden rundt oss. Så, alt som har å gjøre med den menneskelige overkroppen. Så, våre armer og hender er fullstendig fascinerende. Så, jeg ville like å fokusere alle mine anstrengelser på overkroppsproteser og virkelig gjøre disse enhetene brukbare for mennesker i den virkelige verden.

På hvilke måter er det mer utfordrende enn underkroppen?

Underkroppen, bevegelsen er veldig repetitiv. Hvis du tenker på vårt gangmønster, så er det en enklere kontrollproblem å løse. Mens, for overkroppen, så trenger du å kunne manipulere objekter i 3D-rom, du har så mye flere frihetsgrader. Hvis du tenker på det, hvis vi lukker øynene og når rundt, så kan vi fortsatt se verden rundt oss gjennom hendene våre. Så, vi har disse fantastiske sanseorganene som vi kan bruke til å utforske miljøet. Så, å kunne gi det tilbake til det medisinske samfunnet gjennom proseser, så tror jeg ville være fantastisk,

Kan du dele hvordan du trekker inspirasjon fra anatomiske studier

Jeg har jobbet med Dr. Pierre Lemelin i anatomidepartementet ved University of Alberta i de siste fem årene nå. Jeg håper at gjennom studiet av menneskeanatomi og forståelse av hvordan vi manipulerer objekter i miljøet, hva er våre nervebaner, hvilke muskler er aktiverende, så kan vi bruke den kunnskapen til å ikke bare forbedre strukturen av proseser.

Er det små steder i den faktiske designen av prosesen som vi kan endre som ville være en liten liten justering i mekanisk design, men se en stor økning i funksjonalitet? Men også, de underliggende kontrollsystemene, hvordan vi bruker det. Hvis vi kan forstå nøyaktig hvilke nerver som aktiveres, når vi tenker “Åpne min hånd”, så kan vi bruke det til å forutsi hva brukeren ønsker å gjøre med sin proses, og så sette det i bevegelse i den robotiske enheten.

Takk for det fantastiske intervjuet, lesere som ønsker å lære mer kan besøke følgende ressurser:

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