La nuova neuroprotesi è un'innovazione nella robotica dell'intelligenza artificiale

Gli scienziati dell'EPFL (École polytechnique fédérale de Lausanne) in Svizzera hanno annunciato la creazione di un primo al mondo per il controllo manuale robotico, un nuovo tipo di neuroprotesi che unifica il controllo umano con l'automazione dell'intelligenza artificiale (AI) per una maggiore destrezza del robot e hanno pubblicato la loro ricerca in Settembre 2019 in Nature Machine Intelligence .

Le neuroprotesi (protesi neurali) sono dispositivi artificiali che stimolano o potenziano il sistema nervoso tramite stimolazione elettrica per compensare le carenze che influiscono sulle capacità motorie, cognitive, visive, uditive, comunicative o sensoriali. Esempi di neuroprotesi includono interfacce cervello-computer (BCIs), stimolazione cerebrale profonda, stimolatori del midollo spinale (SCS), impianti di controllo della vescica, impianti cocleari e pacemaker cardiaci.

Il valore mondiale delle protesi degli arti superiori dovrebbe superare i 2,3 miliardi di dollari entro il 2025, secondo i dati di un rapporto dell'agosto 2019 di Global Market Insight. Nel 2018, il valore di mercato mondiale ha raggiunto un miliardo di dollari sulla base dello stesso rapporto. Secondo il National Limb Loss Information Center, circa due milioni di americani sono amputati e ci sono oltre 185.000 amputazioni effettuate ogni anno. Secondo il rapporto, le malattie vascolari rappresentano l'82% delle amputazioni negli Stati Uniti.

Una protesi mioelettrica viene utilizzata per sostituire parti del corpo amputate con un arto artificiale alimentato esternamente che viene attivato dai muscoli esistenti dell'utente. Secondo il team di ricerca dell'EPFL, i dispositivi commerciali disponibili oggi possono offrire agli utenti un elevato livello di autonomia, ma la destrezza non è neanche lontanamente agile come la mano umana intatta.

“I dispositivi commerciali di solito utilizzano un sistema a due canali di registrazione per controllare un singolo grado di libertà; cioè, un canale sEMG per la flessione e uno per l'estensione ", hanno scritto i ricercatori dell'EPFL nel loro studio. “Sebbene intuitivo, il sistema fornisce poca destrezza. Le persone abbandonano le protesi mioelettriche a ritmi elevati, in parte perché ritengono che il livello di controllo sia insufficiente per meritare il prezzo e la complessità di questi dispositivi ".

Per affrontare il problema della destrezza con le protesi mioelettriche, i ricercatori dell'EPFL hanno adottato un approccio interdisciplinare per questo studio proof-of-concept combinando i campi scientifici di neuroingegneria, robotica e intelligenza artificiale per semi-automatizzare una parte del comando motorio per "shared controllo."

Silvestro Micera, Cattedra di Neuroingegneria Traslazionale della Fondazione Bertarelli dell'EPFL e Professore di Bioelettronica presso la Scuola Superiore Sant'Anna in Italia, ritiene che questo approccio condiviso per il controllo delle mani robotiche possa migliorare l'impatto clinico e l'usabilità per un'ampia gamma di scopi neuroprotetici come il cervello - interfacce macchina (BMI) e mani bioniche.

"Uno dei motivi per cui le protesi commerciali utilizzano più comunemente decoder basati su classificatori invece di quelli proporzionali è perché i classificatori rimangono in modo più robusto in una particolare postura", hanno scritto i ricercatori. “Per la presa, questo tipo di controllo è ideale per prevenire cadute accidentali, ma sacrifica il libero arbitrio dell'utente limitando il numero di possibili posture della mano. La nostra implementazione del controllo condiviso consente sia l'agenzia dell'utente che la robustezza. Nello spazio libero, l'utente ha il pieno controllo sui movimenti della mano, il che consente anche la preformatura volontaria per la presa. "

In questo studio, i ricercatori dell'EPFL si sono concentrati sulla progettazione degli algoritmi software: l'hardware robotico fornito da parti esterne consiste in una mano Allegro montata sul robot KUKA IIWA 7, un sistema di telecamere OptiTrack e sensori di pressione TEKSCAN.

Gli scienziati dell'EPFL hanno creato un decodificatore proporzionale cinematico creando un perceptron multistrato (MLP) per imparare a interpretare l'intenzione dell'utente per tradurla in movimento delle dita di una mano artificiale. Un perceptron multistrato è una rete neurale artificiale feedforward che utilizza backpropagation. MLP è un metodo di apprendimento profondo in cui le informazioni si muovono in avanti in una direzione, rispetto a un ciclo o un loop attraverso la rete neurale artificiale.

L'algoritmo viene addestrato dai dati di input dell'utente che esegue una serie di movimenti della mano. Per tempi di convergenza più rapidi, è stato utilizzato il metodo Levenberg – Marquardt per l'adattamento dei pesi della rete invece della discesa del gradiente. Il processo di formazione del modello completo è stato veloce e ha richiesto meno di 10 minuti per ciascuno dei soggetti, rendendo l'algoritmo pratico dal punto di vista dell'uso clinico.

"Per un amputato, in realtà è molto difficile contrarre i muscoli in molti, molti modi diversi per controllare tutti i modi in cui le nostre dita si muovono", ha detto Katie Zhuang presso l'EPFL Translational Neural Engineering Lab, che è stata la prima autrice dello studio di ricerca . “Quello che facciamo è mettere questi sensori sul loro ceppo rimanente, quindi registrarli e cercare di interpretare quali sono i segnali di movimento. Poiché questi segnali possono essere un po 'rumorosi, ciò di cui abbiamo bisogno è questo algoritmo di apprendimento automatico che estrae attività significative da quei muscoli e le interpreti in movimenti. E questi movimenti sono ciò che controlla ogni dito delle mani robotiche. "

Poiché le previsioni della macchina dei movimenti delle dita potrebbero non essere accurate al 100%, i ricercatori dell'EPFL hanno incorporato l'automazione robotica per abilitare la mano artificiale e per iniziare automaticamente a chiudersi attorno a un oggetto una volta effettuato il contatto iniziale. Se l'utente desidera rilasciare un oggetto, tutto ciò che deve fare è tentare di aprire la mano per spegnere il controller robotico e riportare l'utente al controllo della mano.

Secondo Aude Billard, che guida il Learning Algorithms and Systems Laboratory dell'EPFL, la mano robotica è in grado di reagire entro 400 millisecondi. "Dotato di sensori di pressione lungo tutte le dita, può reagire e stabilizzare l'oggetto prima che il cervello possa effettivamente percepire che l'oggetto sta scivolando", ha detto Billard.

Applicando l'intelligenza artificiale alla neuroingegneria e alla robotica, gli scienziati dell'EPFL hanno dimostrato il nuovo approccio del controllo condiviso tra la macchina e l'intenzione dell'utente: un progresso nella tecnologia neuroprotetica.

Copyright © 2019 Cami Rosso Tutti i diritti riservati.