technológia

Az AI algoritmusok javítása a protézisek forradalmához vezet.

Mesterséges intelligencia képzéspróba- és hibaelhárítással, amikor a számítógép „nagy mennyiségű” játékot gyűjtött be, amelyek alapján már meg is élesíti készségeit, bizonyította, hogy a gép képes meghaladni egy ilyen klasszikus társasjátékban lévő személyt, mint a sakk és logikai játék. A legutóbbi példák közül figyelembe vesszük a számítógép közelmúltbeli zúzódó győzelmét a StarCraft II stratégiai számítógépes játékban, ahol a gépet ugyanazzal az elvvel képezték. A mesterséges intelligencia területén egy másik szakembercsoport azonban kimutatta, hogy ez a képzési módszer gyakorlati feladatokra is használható, például a robotprotézisek képzésére.

Megerősítő gépi tanulási módszer(megerősítő tanulás), amelyben a tesztrendszert bizonyos környezettel való kölcsönhatással képezték, ígéretes eredményeket mutatott egy kis kísérletben, amelybe néhány önkéntes vett részt - egy teljesen egészséges ember és egy, a térd fölé amputált láb.

Amikor hagyományos módszereket használ a technikusok számáraA robotprotézis megfelelő beállításához több órát vesz igénybe, ha manuálisan állítjuk be az egyes mesterséges kötéseket, és beállítjuk azt az adott járási stílushoz, amelyhez a személyt használják. Az Észak-Karolina Egyetem szakembereinek kísérletei azt mutatták, hogy az erősítéssel rendelkező gépi tanulási módszer lehetővé teszi, hogy ezt sokkal gyorsabban tegye - 10 percen belül egy teljesen automatikus beállítás után egy személy zökkenőmentesen járhat.

„A technológia tényleges használata előttnagyon messze van. Csak azt mutattuk, hogy lehetséges. Az eredmény örült nekünk, ”nyilatkozta Helen Huang, az észak-karolinai Állami Egyetem biotechnológiai professzora.

Huang és munkatársai közzétették eredményeiketIEEE tranzakciók a kibernetikával kapcsolatban. Munkájuk eredményei fontos első lépést jelenthetnek a robotos végtagok kézi beállításának szokásos folyamatainak automatizálásában, ami általában sok időt vesz igénybe, és megköveteli, hogy a betegek látogassanak el a szakemberekre, amikor a fogpótlást ki kell igazítani. A jövőben mindezek a beállítások, az emberek képesek lesznek saját otthonukban, technikusok segítsége nélkül.

A robotprotézis beállításaegy komplex folyamat a különböző paraméterek illesztésére, amelyek meghatározzák a végtag és a protézis közötti interakció szintjét, amelyek bizonyos feladatok elvégzéséhez szükségesek. Például egyes paraméterek határozzák meg a robot térdcsuklójának merevségét vagy az eltérések tartományát, amikor a láb gördüljön előre és hátra. A vizsgált esetben a robotprotézis térdének 12 különböző paraméter beállítására volt szüksége. A szokásos megközelítéssel a végeredmény általában nem volt ideális, de mégis alkalmas volt arra, hogy egy személy álljon a protézisre, és egyszerű mozgásokat hajtson végre.

Robotos végtag képzésnagyon nehéz a koadaptáció folyamata. A protézisnek szó szerint megtanulnia kell együtt dolgoznia az emberi agyral, amely szabályozza a szervek kölcsönös alkalmazkodását az egész szervezetben. Ugyanakkor meg kell tanulni nemcsak a protézist, hanem a személyt is. Általánosságban elmondható, hogy az első eredmények meglehetősen kínosnak tűnnek - nem messze a sílécek vagy korcsolyák példáitól, amelyekre az első állt.

"A testünk furcsán reagálhatidegen tárgyak, amelyek utánozzák a folytatását. Bizonyos értelemben az erősítéssel ellátott számítógéppel támogatott gépi tanulási algoritmus megtanulja, hogy kölcsönhatásba lépjen az emberi testtel, ”mondja egy publikált tanulmány társszerzője, Jenny C, az Arizona Állami Egyetem elektronikus, számítógépes mérnöki és energia professzora.

A robotprotézisek oktatásának feladataAz algoritmus tanulásához rendelkezésre álló nagyon korlátozott számú adat bonyolult. Például, az AlphaZero és az AlphaStar algoritmusok sakk, játék és StarCraft II lejátszásához, a DeepMind a már játszott több millió játékot rögzítette. Az algoritmus megtanulásához szükséges adatok összegyűjtésére szolgáló amputáltak viszont nem tudnak nagyon hosszú ideig járni. Például azok, akik meglátogatták a Huang-laboratóriumot, csak 15-20 percig tudtak megállni, majd kis pihenésre volt szükségük.

De ez nem minden nehézség és korlát, nemlehetővé téve az oktatási információk teljes skáláját, a kutatók megjegyzik. Például, még a Xi és Huang között is, a projekt kezdete előtt vita volt arról, hogy a kísérletben részt vevő önkéntesek engedhetik-e leesni, hogy az algoritmus megtanulhassa ezt az információt. Ennek eredményeként úgy döntöttek, hogy elhagyják ezt az ötletet az önkéntesek biztonságának felírásával.

És mégis, mindezen nehézségek ellenére isAz első eredmények lenyűgözőek voltak. A kutatók tanították az algoritmust, hogy a robot térdébe telepített érzékelők által gyűjtött adatokban meghatározott mintákat azonosítsanak. Ez viszont lehetővé tette egy robotprotézis funkcionalitásának küszöbértékének megállapítását, amely lehetővé tette a nem kívánt helyzetek elesésének elkerülését. Végül az algoritmus megtanult egy bizonyos cselekvési mintára támaszkodni, amely lehetővé tette a stabilitás, a simaság és a nagyobb természetesség elérését a robot végtag mozgásában.

Automatizált tanulási megközelítésa robbanó végtagok még mindig messze vannak a tömeghasználattól. Most a tudósok szeretnék megtanítani az algoritmust a protézisek zökkenőmentes kezelésére, amikor felkelnek, emelnek (például egy székből) és csökkennek (például egy létrán). Ezen túlmenően a feladat az, hogy a rendszert önállóbbá tegyük, ami lehetővé teszi a protézisek képzését és beállítását nem csak laboratóriumi körülmények között.

Az egyik legnehezebb és egyben a legfontosabba kutatók szerint a feladatok az algoritmus és a személy „kommunikációjának” kidolgozása, hogy az utóbbi meg tudja mondani neki, hogy a protézis kiválasztott beállításai közül melyik a legmegfelelőbb. A probléma korai próbálkozásai a szokásos gombok és más egyszerű beviteli módszerek segítségével megoldhatatlanok voltak. Talán részben azért, mert a számítógép-számítógép interfész ezen verziója nem teszi lehetővé az emberi koordináció észleléséről alkotott teljes kép átadását.

"Ez a módszer nem működött, mert nem vagyunkVége megérti az emberi test minden jellemzőjét. Először is, meg kell tölteni néhány hiányosságot a pszichológia és a fiziológia alapvető tudásában ”- fejezi ki Huang.

A mesterséges intelligencián alapuló robotprotézisek fejlődésének kilátásait a Telegram-csevegésünkben tárgyalhatjuk.