新しい神経補綴はAIロボティクスのブレークスルーです

スイスのEPFL（ÉcolepolytechniquefédéraledeLausanne）の科学者は、ロボットハンドコントロールの世界初の作成を発表しました。これは、人間の制御と人工知能（AI）の自動化を統合して、ロボットの器用さを向上させる新しいタイプの神経補綴物です。 2019年9月 ネイチャーマシンインテリジェンス .

ニューロプロテーゼ（神経プロテーゼ）は、電気刺激を介して神経系を刺激または強化し、運動技能、認知、視覚、聴覚、コミュニケーション、または感覚技能に影響を与える欠陥を補う人工デバイスです。神経補綴物の例には、脳コンピューターインターフェース（BCI）、脳深部刺激療法、脊髄刺激装置（SCS）、膀胱制御インプラント、人工内耳、心臓ペースメーカーが含まれます。

Global Market Insightによる2019年8月のレポートの数値によると、世界の上肢義足の価値は2025年までに23億米ドルを超えると予想されています。同じレポートに基づくと、2018年の世界の市場価値は10億米ドルに達しました。 National Limb Loss Information Centerによると、推定200万人のアメリカ人が切断者であり、毎年185,000人以上の切断が行われています。報告書によると、血管疾患は米国の切断の82パーセントを占めています。

筋電義足は、切断された身体部分を、ユーザーの既存の筋肉によって活性化される外部から電力を供給される人工肢に置き換えるために使用されます。 EPFLの研究チームによると、今日利用可能な市販のデバイスは、ユーザーに高レベルの自律性を与えることができますが、器用さは無傷の人間の手ほど機敏ではありません。

「商用デバイスは通常、2つの録音チャネルシステムを使用して単一の自由度を制御します。つまり、屈曲用と伸展用の1つのsEMGチャネルです」と、EPFLの研究者は研究で書いています。 「直感的ですが、システムはほとんど器用さを提供しません。人々は、筋電義足を高率で放棄します。これは、制御のレベルがこれらのデバイスの価格と複雑さに値するほど不十分であると感じているためです。」

筋電義足の器用さの問題に対処するために、EPFLの研究者は、神経工学、ロボット工学、人工知能の科学分野を組み合わせて、「共有」の運動コマンドの一部を半自動化することにより、この概念実証研究に学際的なアプローチを取りました。コントロール。"

EPFLのトランスレーショナルニューロエンジニアリングのBertarelliFoundationチェアであり、イタリアのScuola SuperioreSant'Annaのバイオエレクトロニクス教授であるSilvestroMiceraは、ロボットの手を制御するためのこの共有アプローチにより、脳などの幅広い神経補綴目的の臨床的影響と使いやすさを向上できると考えています。 -to-machineインターフェイス（BMI）とバイオニックハンド。

「市販のプロテーゼが比例型ではなく分類器ベースのデコーダーをより一般的に使用する理由の1つは、分類器が特定の姿勢をより確実に維持するためです」と研究者は書いています。 「把握するために、このタイプのコントロールは偶発的な落下を防ぐのに理想的ですが、可能な手の姿勢の数を制限することによってユーザーエージェンシーを犠牲にします。共有制御の実装により、ユーザーエージェンシーと堅牢性の把握の両方が可能になります。空きスペースでは、ユーザーは手の動きを完全に制御できます。これにより、握るための任意の事前整形も可能になります。」

この研究では、EPFLの研究者は、ソフトウェアアルゴリズムの設計に焦点を当てました。外部の関係者から提供されたロボットハードウェアは、KUKA IIWA7ロボットに取り付けられたAllegroHand、OptiTrackカメラシステム、およびTEKSCAN圧力センサーで構成されています。

EPFLの科学者は、多層パーセプトロン（MLP）を作成して運動学的比例デコーダーを作成し、ユーザーの意図を解釈して人工の手の指の動きに変換する方法を学びました。多層パーセプトロンは、バックプロパゲーションを使用するフィードフォワード人工ニューラルネットワークです。 MLPは、情報が人工ニューラルネットワークを介したサイクルまたはループではなく、一方向に進むディープラーニング手法です。

アルゴリズムは、一連の手の動きを実行するユーザーからの入力データによってトレーニングされます。収束時間を短縮するために、勾配降下法の代わりに、レーベンバーグ-マルカート法を使用してネットワークの重みをフィッティングしました。フルモデルのトレーニングプロセスは高速で、各被験者に10分もかからなかったため、臨床使用の観点からアルゴリズムが実用的になりました。

「切断者にとって、指が動くすべての方法を制御するために、多くのさまざまな方法で筋肉を収縮させることは実際には非常に困難です」と、調査研究の最初の著者であるEPFLトランスレーショナルニューラルエンジニアリングラボのKatieZhuangは述べています。 。 「私たちがしていることは、これらのセンサーを残りの切り株に置き、それらを記録して、動きの信号が何であるかを解釈しようとすることです。これらの信号は少しノイズが多い可能性があるため、必要なのは、これらの筋肉から意味のあるアクティビティを抽出し、それらを動きに解釈するこの機械学習アルゴリズムです。そして、これらの動きは、ロボットの手の各指を制御するものです。」

指の動きの機械による予測は100％正確ではない可能性があるため、EPFLの研究者はロボットによる自動化を組み込んで、人工の手を有効にし、最初の接触が行われると自動的にオブジェクトの周囲を閉じ始めます。ユーザーがオブジェクトを解放したい場合、彼または彼女がしなければならないのは、ロボットコントローラーをオフにするために手を開こうとし、ユーザーを手の制御に戻すことだけです。

EPFLの学習アルゴリズムおよびシステム研究所を率いるオードビリヤードによると、ロボットハンドは400ミリ秒以内に反応することができます。 「指全体に圧力センサーが装備されているため、脳が実際に物体が滑っていることを認識する前に、物体に反応して安定させることができます」とビリヤード氏は述べています。

EPFLの科学者は、人工知能を神経工学とロボット工学に適用することにより、機械とユーザーの意図を共有する新しいアプローチ、つまり神経補綴技術の進歩を実証しました。

Copyright©2019Cami Rosso All rightsreserved。