Maskinlärningsprogram kopplar till mänskligt hjärna och styr robotar

Forskare vid Ecole Polytechnique Fédérale de Lausanne har utvecklat ett maskinlärningsprogram som kan kopplas till en mänsklig hjärna och användas för att styra en robot. Programmet kan ändra robotens rörelser baserat på elektriska signaler från hjärnan. 

Dessa nya framsteg kan hjälpa tetraplegiska patienter som inte kan tala eller utföra rörelser. Det bygger på den stora mängd arbete som har gjorts tidigare för att utveckla system som hjälper dessa patienter att slutföra uppgifter på egen hand. 

Studien publicerades i Communications Biology. 

Prof. Aude Billard är chef för EPFL:s Learning Algorithms and Systems Laboratory. 

“Personer med ryggmärgsskada upplever ofta permanenta neurologiska defekter och allvarliga motoriska funktionshinder som förhindrar dem från att utföra även de enklaste uppgifterna, som att gripa ett föremål”, säger Billard. “Hjälp från robotar kan hjälpa dessa personer att återfå en del av sin förlorade skicklighet, eftersom roboten kan utföra uppgifter i deras ställe.”

Att flytta roboten med tankar

Tillsammans med José del R. Millán, Prof. Billard och de två forskargrupperna utvecklade dataprogrammet, som inte behöver röstkontroll eller beröringsfunktion. Patienterna kan flytta roboten med bara sina tankar.

Forskarna började utveckla systemet genom att först basera det på en robotarm som hade utvecklats för flera år sedan. Den kan flytta fram och tillbaka från höger till vänster, samt ompositionera föremål framför den och undvika föremål i dess väg. 

“I vår studie programmerade vi en robot för att undvika hinder, men vi kunde ha valt någon annan typ av uppgift, som att fylla ett glas vatten eller skjuta eller dra ett föremål”, säger Prof. Billard. 

Forskarna förbättrade sedan robotens mekanism för att undvika hinder så att den skulle bli mer exakt.

Carolina Gaspar Pinto Ramon Correia är en doktorand vid Prof. Billards laboratorium. 

“Till en början valde roboten en väg som var för bred för vissa hinder, vilket tog den för långt bort, och inte tillräckligt bred för andra, vilket höll den för nära”, säger Correia. “Eftersom målet med vår robot var att hjälpa förlamade patienter, var vi tvungna att hitta ett sätt för användarna att kunna kommunicera med den utan att behöva tala eller röra sig.”

Att utveckla algoritmen

För att göra detta var de tvungna att utveckla en algoritm som kunde justera robotens rörelser baserat enbart på en patients tankar. Algoritmen var kopplad till en huvudkåpa utrustad med elektroder för att köra EEG-skanningar av patientens hjärnaktivitet.

Patienten behöver bara titta på roboten för att använda systemet. När roboten gör en felrörelse, kommer patientens hjärna att sända ett “felmeddelande” genom en tydligt identifierbar signal, som indikerar för roboten att den utför en felaktig handling. Roboten kommer inte att förstå varför den får signalen till en början, men felmeddelandet matas sedan in i algoritmen. Algoritmen använder en inverse förstärkt inlärning för att lista ut vad patienten vill och vilka åtgärder roboten ska vidta. 

Försök-och-fel-processen innebär att roboten provar olika rörelser för att se vilken som är korrekt, och vanligtvis krävs det bara tre till fem försök för att lista ut den rätta reaktionen.

“Robotens AI-program kan lära sig snabbt, men du måste tala om för den när den gör ett misstag så att den kan korrigera sitt beteende”, säger Prof. Millán. “Att utveckla detekteringsteknologin för felmeddelanden var en av de största tekniska utmaningarna vi stod inför.” 

Iason Batzianoulis är studiens huvudförfattare.

“Vad som var särskilt svårt i vår studie var att koppla en patients hjärnaktivitet till robotens kontrollsystem – eller med andra ord, ‘översätta’ en patients hjärnsignaler till handlingar som utförs av roboten”, säger Batzianoulis. “Vi gjorde det genom att använda maskinlärning för att koppla en given hjärnsignal till en specifik uppgift. Sedan associerade vi uppgifterna med individuella robotkontroller så att roboten gör vad patienten har i åtanke.”

Forskarna tror att algoritmen kan användas för att styra rullstolar i framtiden. 

“För närvarande finns det fortfarande många tekniska hinder att övervinna”, säger Prof. Billard. “Och rullstolar utgör en helt ny uppsättning utmaningar, eftersom både patienten och roboten är i rörelse.”