Laura Petrich, doktorantka w dziedzinie robotyki i uczenia maszynowego – seria wywiadów

Laura obecnie studiuje doktorat z informatyki pod kierunkiem dr. Patricka Pilarskiego i dr. Matthew E. Taylora. Ukończyła studia licencjackie z wyróżnieniem na kierunku informatyka na Uniwersytecie Alberty w 2019 roku oraz studia magisterskie na kierunku informatyka na Uniwersytecie Alberty w 2022 roku. Jej zainteresowania badawcze obejmują uczenie ze wzmocnieniem, interakcję człowieka z robotem, biomechatronikę i robotykę asystującą. Czerpiąc inspirację ze swoich studiów anatomicznych z dr. Pierre’em Lemelinem, badania Laury mają na celu rozwinięcie metod kontroli manipulacji robotycznej w celu zwiększenia funkcjonalności, użyteczności, niezawodności i bezpieczeństwa w świecie rzeczywistym.

Przeprowadziliśmy wywiad na corocznej konferencji Upper Bound poświęconej sztucznej inteligencji, która odbyła się w Edmonton, AB i była organizowana przez Amii (Alberta Machine Intelligence Institute).

Co początkowo przyciągnęło Cię do informatyki?

Więc, kiedy wróciłam do szkoły, chciałam być lekarzem. I równowaga między pracą a życiem jest dla mnie bardzo ważna, więc mogłam spędzać dużo czasu z rodziną. I zawsze chciałam pomagać ludziom, i trafiłam na zajęcia z informatyki w pierwszym roku studiów, i to było takie niesamowite narzędzie, które można wykorzystać do rozwiązywania problemów. I po prostu zakochałam się w rozwiązywaniu problemów i postanowiłam, że chcę pracować w dziedzinie technologii asystującej, gdzie mogłabym wykorzystać to rozwiązywanie problemów, aby naprawdę pomagać ludziom.

Jak odkryłaś, że technologia asystująca jest Twoją pasją?

Podczas studiów licencjackich uczestniczyłam w zajęciach z robotyki, gdzie używaliśmy zestawów Lego Mindstorm, aby nauczyć się podstaw mechatroniki i robotyki. I to wszystko nagle stało się jasne, że to jest takie fajne, i można pisać programy, a potem natychmiast widzieć efekty. Więc, to wszystko pasowało do mojej miłości do pracy z tymi systemami robotycznymi i mojego pragnienia pomocy ludziom. Technologia asystująca idealnie wpisuje się w tę przestrzeń.

Czy możesz wyjaśnić, co to jest mechatronika dla naszej publiczności?

To byłoby wszystko w sferze robotyki, gdzie mamy te systemy sprzętowe, i możemy je kontrolować, aby wywołać zmiany w środowisku.

Jakie są różne przypadki użycia, nad którymi pracowałaś w tej technologii?

Obecnie pracuję w BLINC Lab (Bionic Limbs for Improved Natural Control) z Patrickiem (Pilarskim), a głównym przypadkiem użycia jest praca nad protezami kończyn górnych. Mamy te inteligentne urządzenia robotyczne, które można kontrolować za pomocą sygnałów mioelektrycznych, i głównym przypadkiem użycia jest to, jak kontrolujemy te protezy, które są teraz przymocowane do ciała ludzkiego, aby zrobić to, co użytkownik chce.

Jak długo pracujesz nad tym konkretnie?

W styczniu rozpoczęłam studia doktoranckie. Ukończyłam studia magisterskie w grupie robotyki i widzenia komputerowego na Uniwersytecie Alberty, gdzie pracowałam nad manipulacją robotyczną z ramionami robotycznymi.

Dopiero teraz wkraczam w świat protez.

Jakie są Twoje obawy dotyczące bezpieczeństwa związane z tą technologią?

Z tymi inteligentnymi urządzeniami protetycznymi, zawsze stawiamy bezpieczeństwo na pierwszym miejscu. To zawsze jest to, o czym myślimy jako pierwsze, ponieważ te urządzenia są przymocowane do człowieka. Więc, na końcu dnia, urządzenie nie ma ostatecznego słowa. Człowiek zawsze ma pełną kontrolę. Możemy sugerować człowiekowi, “Myślimy, że chcesz to zrobić”, ale on zawsze ma ostateczną kontrolę nad tym, co się dzieje. Więc, zawsze myślimy o tym, co jest bezpieczeństwem osoby, która będzie używać tych urządzeń.

W poprzednim wywiadzie, Patrick mówił o tym, jak zwykle mózg musi nauczyć się adaptować do urządzenia, ale w tym przypadku urządzenie używa uczenia maszynowego, aby adaptować się do mózgu. Czy możesz omówić swoje poglądy na ten temat?

Tak. Chcemy zbudować systemy ciągłego uczenia się dla tych urządzeń. Chcemy mapować sygnały od użytkownika, które w naszym przypadku są sygnałami EMG. W przypadku powierzchniowego EMG umieszczamy elektrody na zachowanych mięśniach danej osoby. Co robimy z tymi sygnałami wejściowymi? Chcemy mapować je na ruch robotyczny, czyli czy chcemy otworzyć dłoń, czy ją zamknąć. Najpierw musimy zdecydować, jak robimy to mapowanie, i to jest tam, gdzie pojawia się uczenie maszynowe.

Mamy systemy rozpoznawania wzorców, więc możemy przewidzieć, co się dzieje z konkretną aktywacją mięśni. Chcemy, aby system nieustannie się uczył i dostosowywał z upływem czasu. Na przykład po ćwiczeniach na siłowni zmienia się kształt mięśni. Czy musimy wtedy od nowa trenować cały model uczenia maszynowego? Nie. Chcemy, aby urządzenie i składniki uczenia maszynowego adaptowały się do osoby w czasie, gdy przechodzą przez zmiany lub gdy ich intencje się zmieniają.

Jaki jest Twój plan dotyczący czasu, w którym zobaczymy te urządzenia w świecie rzeczywistym?

Mam nadzieję, że to nastąpi w trakcie mojego doktoratu. To jest mój cel, aby rozwiązać ten problem kontroli dla protez kończyn górnych.

To byłoby niesamowite. A jaka jest Twoja wizja przyszłości robotyki asystującej, powiedzmy, w ciągu 10 czy 20 lat?

Widzę świat, w którym osoby, które chcą mieć protezę kończyny, aby używać jej w codziennym życiu, będą mogły ją używać tak, jak my używamy naszych rąk. Chcę, aby była niezawodna, intuicyjna i łatwa w użyciu.

Czy widzisz przyszłość, w której mniejsza osoba będzie miała mniejszą protezę? Czy wszystkie będą takie same?

Nie, absolutnie. Myślę, że dla czegoś tak osobistego, jak to, chcemy, aby te urządzenia były częścią naszego ciała. Chcemy, aby były dostosowane do osoby, która je używa, przynajmniej w moim odczuciu. Już teraz widzimy to. Kiedy idziemy do, powiedzmy, Glenrose Rehabilitation Hospital w Edmonton, i dostajemy nową protezę, robione są modele 3D pozostałej części kończyny, i dostosowujemy protezę do naszego ciała. Więc, widzimy to już teraz, i dla tych inteligentnych urządzeń, będzie to jeszcze bardziej widoczne.

Więc, będą one wydrukowane w technologii 3D, prawdopodobnie, dla użytkownika.

Tak, wydrukowane w technologii 3D, dostosowane do ciała i również posiadające systemy kontroli dostosowane do użytkownika.

Ile czasu zajmuje użytkownikowi nauczenie się używania jednego z tych systemów?

Naszym celem jest, abyśmy mogli wyszkolić bardziej uogólniony model uczenia maszynowego, a następnie dostosować go do osoby w ciągu 5-10 minut. To byłby nasz cel.

Co chciałabyś robić dalej, gdy już osiągniesz ten cel?

Duża część moich badań dotyczy również współpracy z wydziałem anatomii na Uniwersytecie Alberty. I jestem absolutnie fascynowana tym, jak my, ludzie, oddziałujemy na świat wokół nas. Więc, wszystko, co dotyczy górnej kończyny. Nasze ramiona i ręce są absolutnie fascynujące. Chciałabym więc poświęcić wszystkie moje wysiłki na protezy kończyn górnych i naprawdę uczynić te urządzenia użytecznymi dla ludzi w świecie rzeczywistym.

W jaki sposób jest to bardziej wyzwaniem niż kończyny dolne?

Kończyny dolne mają ruchy bardzo powtarzalne. Jeśli pomyślimy o naszym chodzie, to jest to łatwiejszy problem do rozwiązania. Podczas gdy dla kończyn górnych, trzeba umieć manipulować obiektami w przestrzeni 3D, i mamy o wiele więcej stopni swobody. Jeśli pomyślimy o tym, że zamykamy oczy i sięgamy, nadal widzimy świat wokół nas przez nasze ręce. Mamy więc niezwykłe narządy zmysłów, za pomocą których możemy poznawać otoczenie. Umożliwienie odzyskania tej zdolności dzięki protezom kończyn, myślę, że to byłoby niesamowite.

Czy możesz podzielić się tym, jak czerpiesz inspirację z badań anatomicznych?

Pracowałam z dr. Pierre’em Lemelinem w wydziale anatomii na Uniwersytecie Alberty przez ostatnie pięć lat. Mam nadzieję, że poprzez studium anatomii ludzkiej i zrozumienie, jak manipulujemy obiektami w środowisku, jak przebiegają nasze szlaki nerwowe i które mięśnie są aktywowane, możemy wykorzystać tę wiedzę, aby nie tylko poprawić strukturę protez, ale również systemy kontroli. Czy niewielka zmiana w konstrukcji mechanicznej protezy może przynieść duży wzrost funkcjonalności? Ale również, systemy kontroli, jak je używamy. Jeśli możemy zrozumieć, które nerwy są aktywowane, kiedy myślimy “Otwórz moją dłoń”, to czy możemy użyć tego, aby przewidzieć, co użytkownik chce zrobić ze swoją protezą, i następnie wykonać ten ruch za pomocą urządzenia robotycznego.

Dziękujemy za wspaniały wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej, mogą odwiedzić następujące strony:

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