Dieses Roboterglied vereint maschinelles Lernen und manuelle Steuerung
Bildnachweis: EPFL / Alain Herzog
Wissenschaftler der École polytechnique fédérale de Lausanne (EPFL) haben einen neuen Ansatz für den Betrieb eines Roboterglieds mithilfe von maschinellem Lernen und manueller Steuerung entwickelt.
Die Forschung und Entwicklung der Neuroprothetik wird jeden Tag besser. Neue Durchbrüche auf diesem jungen Gebiet werden nun erfolgreich demonstriert. Während unsere Suche nach Symbiose zwischen Mensch und Roboter weitergeht, Wissenschaftler der EPFL haben neue Wege beschritten, indem sie etwas völlig Neues entwickelt haben, indem sie einem manuell gesteuerten Roboterglied Automatisierung hinzugefügt haben.
Die Entwicklung der EPFL kombiniert individuelle Fingersteuerung und Automatisierung, um es der Prothese zu ermöglichen, Objekte auf eine Weise zu greifen und zu manipulieren, die bei der Roboterhandsteuerung noch nie zuvor gesehen wurde, wodurch die beiden Bereiche Neuroengineering und Robotik erfolgreich zusammengeführt werden.
Frühere Versuche in der Neuroprothetik haben sich oft auf die End-to-End-Steuerung eines Glieds unter Verwendung neuronaler Transmitter konzentriert. Der Roboter kopiert die exakten Signale des Benutzers vom Beginn einer Aktion bis zu ihrem Abschluss. Bewegen der Hand zum Objekt, Öffnen des Griffs, Schließen des Griffs um das Objekt und Ausführen der gewünschten Bewegung. Diese Entwicklung verleiht dem Arm jedoch eine gewisse Autonomie durch den Einsatz von Sensoren und maschinellen Lernalgorithmen.
In der Demonstration holt der Benutzer ein Objekt – in diesem Fall eine Flasche – mit einem Roboterglied und richtet die Hand auf das Objekt. Anstatt dass jeder menschliche Finger erkannt und in den Roboterarm übertragen wird, konzentriert er sich stattdessen darauf, seinen eigenen Griff und seine eigene Fingerposition anzupassen, den besten Ort für die Handhabung des Objekts zu finden und sich in Echtzeit an Ausrutscher und subtile Bewegungen anzupassen.
Aude Billard, Leiterin von Learning Algorithms and Systems Laboratory an der EPFL, sagte: „Wenn Sie ein Objekt in der Hand halten und es zu rutschen beginnt, haben Sie nur ein paar Millisekunden Zeit, um zu reagieren … Die Roboterhand hat die Fähigkeit, innerhalb von 400 Millisekunden zu reagieren . Ausgestattet mit Drucksensoren entlang der Finger kann es reagieren und das Objekt stabilisieren, bevor das Gehirn tatsächlich wahrnimmt, dass das Objekt rutscht.“
Ein neuer Ansatz für die Roboterprothetik
Um diese Methode der gemeinsamen Kontrolle zu erreichen, muss der Benutzer zunächst einen Algorithmus mit seinen eigenen Bewegungen trainieren, einen Datensatz mit Absichten erstellen und das Roboterglied an seine einzigartigen Muskelaktivitätsmuster anpassen. Die Wissenschaftler machten sich dann daran, den Algorithmus zu entwickeln, um die Automatisierung einzuleiten, wenn der Benutzer versucht, ein Objekt zu greifen.
Der Algorithmus filtert die verrauschten Muskelsignale, um die genaue Absicht des Benutzers basierend auf dem trainierten Datensatz zu entschlüsseln und zu interpretieren. Diese übersetzt er dann in Fingerbewegungen an der Prothesenhand, die ihren Griff schließt, wenn die Sensoren das Zielobjekt erfolgreich identifiziert haben.
Ohne Verwendung visueller Signale bietet diese taktile Methode der Prothesenhand die Möglichkeit, auf die Größe und Form von Objekten zu schließen und autonom auf diese Informationen zu reagieren.
Silvestro Micera, Lehrstuhl der Bertarelli-Stiftung der EPFL für Translational Neuroengineering, sagte: „Unser gemeinsamer Ansatz zur Steuerung von Roboterhänden könnte in mehreren neuroprothetischen Anwendungen wie bionischen Handprothesen und Gehirn-zu-Maschine-Schnittstellen eingesetzt werden, wodurch die klinische Wirkung und Benutzerfreundlichkeit dieser Geräte erhöht würden. ”
Diese neue Methode könnte auf die Neuroprothetik für Amputierte angewendet werden, die möglicherweise nicht über die Fähigkeit zur individuellen Fingerkontrolle verfügen. Anstatt Muskelsignale an einer amputierten Extremität zu lesen, übernimmt die Prothese und ermöglicht einen robusten und genauen Griff, der eher auf Absicht als auf direkten Signalen basiert.
Pionierarbeit bei Robotergliedern von Organisationen wie der EPFL und vielen anderen auf diesem Gebiet treiben diese sich schnell entwickelnde Technologie zu neuen Höhen. Bald könnten wir Neuroprothesen sehen, die im täglichen Leben, sowohl in der Nähe als auch in der Ferne, in einer Reihe von Anwendungen einsatzbereit sind und dem Leben von Millionen zugute kommen.
