న్యూ న్యూరోప్రోస్టెటిక్ ఒక AI రోబోటిక్స్ పురోగతి

స్విట్జర్లాండ్‌లోని ఇపిఎఫ్ఎల్ (ఎకోల్ పాలిటెక్నిక్ ఫెడరల్ డి లౌసాన్) లోని శాస్త్రవేత్తలు రోబోటిక్ హ్యాండ్ కంట్రోల్ కోసం ప్రపంచంలో మొట్టమొదటిసారిగా సృష్టిస్తున్నట్లు ప్రకటించారు-కొత్త రోబోట్ సామర్థ్యం కోసం కృత్రిమ మేధస్సు (AI) ఆటోమేషన్‌తో మానవ నియంత్రణను ఏకీకృతం చేసే కొత్త రకం న్యూరోప్రొస్టెటిక్. సెప్టెంబర్ 2019 లో నేచర్ మెషిన్ ఇంటెలిజెన్స్ .

న్యూరోప్రొస్టెటిక్స్ (న్యూరల్ ప్రోస్తేటిక్స్) అనేది మోటారు నైపుణ్యాలు, జ్ఞానం, దృష్టి, వినికిడి, కమ్యూనికేషన్ లేదా ఇంద్రియ నైపుణ్యాలను ప్రభావితం చేసే లోపాలను భర్తీ చేయడానికి విద్యుత్ ప్రేరణ ద్వారా నాడీ వ్యవస్థను ఉత్తేజపరిచే లేదా పెంచే కృత్రిమ పరికరాలు. న్యూరోప్రొస్టెటిక్స్ యొక్క ఉదాహరణలు మెదడు-కంప్యూటర్ ఇంటర్‌ఫేస్‌లు (బిసిఐలు), లోతైన మెదడు ఉద్దీపన, వెన్నుపాము ఉత్తేజకాలు (ఎస్సిఎస్), మూత్రాశయం నియంత్రణ ఇంప్లాంట్లు, కోక్లియర్ ఇంప్లాంట్లు మరియు కార్డియాక్ పేస్‌మేకర్స్.

గ్లోబల్ మార్కెట్ ఇన్సైట్ యొక్క 2019 ఆగస్టు నివేదిక గణాంకాల ప్రకారం, ప్రపంచ ఎగువ లింబ్ ప్రోస్తేటిక్స్ విలువ 2025 నాటికి 2.3 బిలియన్ డాలర్లకు మించి ఉంటుందని అంచనా. అదే నివేదిక ఆధారంగా 2018 లో ప్రపంచవ్యాప్త మార్కెట్ విలువ ఒక బిలియన్ డాలర్లకు చేరుకుంది. నేషనల్ లింబ్ లాస్ ఇన్ఫర్మేషన్ సెంటర్ ప్రకారం, రెండు మిలియన్ల మంది అమెరికన్లు ఆమ్పుటీస్, మరియు సంవత్సరానికి 185,000 కి పైగా విచ్ఛేదనలు జరుగుతున్నాయి. నివేదిక ప్రకారం యు.ఎస్. విచ్ఛేదాలలో 82 శాతం వాస్కులర్ డిసీజ్ ఉంది.

విచ్ఛేదనం చేయబడిన శరీర భాగాలను బాహ్యంగా శక్తితో పనిచేసే కృత్రిమ అవయవంతో భర్తీ చేయడానికి మైయోఎలెక్ట్రిక్ ప్రొస్థెసిస్ ఉపయోగించబడుతుంది, ఇది వినియోగదారు యొక్క ప్రస్తుత కండరాల ద్వారా సక్రియం చేయబడుతుంది. EPFL పరిశోధన బృందం ప్రకారం, ఈ రోజు అందుబాటులో ఉన్న వాణిజ్య పరికరాలు వినియోగదారులకు అధిక స్థాయి స్వయంప్రతిపత్తిని ఇవ్వగలవు, కాని సామర్థ్యం ఎక్కడా చెక్కుచెదరకుండా మానవ చేతితో చురుకైనది కాదు.

“వాణిజ్య పరికరాలు సాధారణంగా ఒకే స్థాయిలో స్వేచ్ఛను నియంత్రించడానికి రెండు-రికార్డింగ్-ఛానల్ వ్యవస్థను ఉపయోగిస్తాయి; అంటే, వంగుట కోసం ఒక SEMG ఛానెల్ మరియు పొడిగింపు కోసం మరొకటి ”అని EPFL పరిశోధకులు తమ అధ్యయనంలో రాశారు. “సహజమైనప్పటికీ, వ్యవస్థ తక్కువ సామర్థ్యాన్ని అందిస్తుంది. ఈ పరికరాల ధర మరియు సంక్లిష్టతకు తగినట్లుగా నియంత్రణ స్థాయి సరిపోదని వారు భావిస్తున్నందున ప్రజలు అధిక రేట్ల వద్ద మయోఎలెక్ట్రిక్ ప్రొస్థెసెస్‌ను వదిలివేస్తారు. ”

మయోఎలెక్ట్రిక్ ప్రొస్థెసెస్‌తో సామర్థ్యం యొక్క సమస్యను పరిష్కరించడానికి, ఇపిఎఫ్ఎల్ పరిశోధకులు ఈ ప్రూఫ్-ఆఫ్-కాన్సెప్ట్ అధ్యయనం కోసం న్యూరో ఇంజనీరింగ్, రోబోటిక్స్ మరియు కృత్రిమ మేధస్సు యొక్క శాస్త్రీయ రంగాలను మిళితం చేసి మోటారు కమాండ్‌లోని ఒక భాగాన్ని సెమీ ఆటోమేట్ చేయడానికి “షేర్డ్ నియంత్రణ. ”

ట్రాన్స్‌లేషనల్ న్యూరో ఇంజనీరింగ్‌లో ఇపిఎఫ్‌ఎల్ యొక్క బెర్టారెల్లి ఫౌండేషన్ చైర్ మరియు ఇటలీలోని స్కూలా సుపీరియర్ సాంట్'అన్నాలో బయోఎలక్ట్రానిక్స్ ప్రొఫెసర్ సిల్వెస్ట్రో మిసెరా, రోబోటిక్ చేతులను నియంత్రించడానికి ఈ భాగస్వామ్య విధానాన్ని అభిప్రాయపడ్డారు, మెదడు వంటి విస్తృత శ్రేణి న్యూరోప్రొస్తెటిక్ ప్రయోజనాల కోసం క్లినికల్ ప్రభావం మరియు వినియోగాన్ని మెరుగుపరుస్తుంది. -టు-మెషిన్ ఇంటర్‌ఫేస్‌లు (BMI లు) మరియు బయోనిక్ చేతులు.

"వాణిజ్య ప్రొస్థెసెస్ సాధారణంగా దామాషా వాటికి బదులుగా వర్గీకరణ-ఆధారిత డీకోడర్‌లను ఉపయోగించటానికి ఒక కారణం, ఎందుకంటే వర్గీకరణదారులు ఒక నిర్దిష్ట భంగిమలో మరింత బలంగా ఉంటారు" అని పరిశోధకులు రాశారు. "గ్రహించడం కోసం, ఈ రకమైన నియంత్రణ ప్రమాదవశాత్తు పడిపోవడాన్ని నివారించడానికి అనువైనది కాని సాధ్యమయ్యే చేతి భంగిమల సంఖ్యను పరిమితం చేయడం ద్వారా వినియోగదారు ఏజెన్సీని త్యాగం చేస్తుంది. భాగస్వామ్య నియంత్రణ యొక్క మా అమలు వినియోగదారు ఏజెన్సీ మరియు దృ ness త్వాన్ని గ్రహించడం రెండింటినీ అనుమతిస్తుంది. ఖాళీ స్థలంలో, వినియోగదారు చేతి కదలికలపై పూర్తి నియంత్రణ కలిగి ఉంటారు, ఇది గ్రహించడానికి వాలిషనల్ ప్రీ-షేపింగ్‌ను కూడా అనుమతిస్తుంది. ”

ఈ అధ్యయనంలో, EPFL పరిశోధకులు సాఫ్ట్‌వేర్ అల్గోరిథంల రూపకల్పనపై దృష్టి సారించారు-బాహ్య పార్టీలు అందించిన రోబోటిక్ హార్డ్‌వేర్‌లో కుకా IIWA 7 రోబోట్, ఆప్టిట్రాక్ కెమెరా సిస్టమ్ మరియు TEKSCAN ప్రెజర్ సెన్సార్‌లపై అమర్చిన అల్లెగ్రో హ్యాండ్ ఉంటుంది.

EPFL శాస్త్రవేత్తలు ఒక కృత్రిమ చేతిలో వేళ్ల కదలికగా అనువదించడానికి వినియోగదారు ఉద్దేశాన్ని ఎలా అర్థం చేసుకోవాలో తెలుసుకోవడానికి మల్టీలేయర్ పెర్సెప్ట్రాన్ (MLP) ను సృష్టించడం ద్వారా ఒక కైనమాటిక్ అనుపాత డీకోడర్‌ను సృష్టించారు. మల్టీలేయర్ పెర్సెప్ట్రాన్ అనేది బ్యాక్‌ప్రొపగేషన్‌ను ఉపయోగించే ఫీడ్‌ఫార్వర్డ్ కృత్రిమ న్యూరల్ నెట్‌వర్క్. MLP అనేది లోతైన అభ్యాస పద్ధతి, ఇక్కడ సమాచారం ఒక దిశలో ముందుకు వెళుతుంది, ఇది ఒక చక్రంలో లేదా కృత్రిమ నాడీ నెట్‌వర్క్ ద్వారా లూప్‌లో ఉంటుంది.

చేతి కదలికల శ్రేణిని చేసే వినియోగదారు నుండి ఇన్పుట్ డేటా ద్వారా అల్గోరిథం శిక్షణ పొందుతుంది. వేగవంతమైన కన్వర్జెన్స్ సమయం కోసం, ప్రవణత సంతతికి బదులుగా నెట్‌వర్క్ బరువులు అమర్చడానికి లెవెన్‌బర్గ్-మార్క్వర్డ్ పద్ధతిని ఉపయోగించారు. పూర్తి-మోడల్ శిక్షణా ప్రక్రియ వేగంగా ఉంది మరియు ప్రతి సబ్జెక్టుకు 10 నిమిషాల కన్నా తక్కువ సమయం పట్టింది, క్లినికల్-యూజ్ కోణం నుండి అల్గోరిథం ఆచరణాత్మకంగా మారింది.

"ఒక అంగవైకల్యం కోసం, మా వేళ్లు కదిలే అన్ని మార్గాలను నియంత్రించడానికి కండరాలను చాలా, అనేక రకాలుగా కుదించడం చాలా కష్టం" అని పరిశోధన అధ్యయనం యొక్క మొదటి రచయిత అయిన EPFL ట్రాన్స్లేషనల్ న్యూరల్ ఇంజనీరింగ్ ల్యాబ్‌లో కేటీ జువాంగ్ అన్నారు. . “మనం చేసేది ఏమిటంటే, మేము ఈ సెన్సార్లను వాటి మిగిలిన స్టంప్‌పై ఉంచాము, ఆపై వాటిని రికార్డ్ చేసి, కదలిక సంకేతాలు ఏమిటో అర్థం చేసుకోవడానికి ప్రయత్నిస్తాము. ఈ సంకేతాలు కొంచెం ధ్వనించేవి కాబట్టి, మనకు కావలసింది ఈ యంత్ర అభ్యాస అల్గోరిథం, ఆ కండరాల నుండి అర్ధవంతమైన కార్యాచరణను సంగ్రహిస్తుంది మరియు వాటిని కదలికలుగా వివరిస్తుంది. ఈ కదలికలు రోబోటిక్ చేతుల ప్రతి వేలిని నియంత్రిస్తాయి. ”

వేలు కదలికల యొక్క యంత్ర అంచనాలు 100 శాతం ఖచ్చితమైనవి కాకపోవచ్చు కాబట్టి, EPFL పరిశోధకులు కృత్రిమ చేతిని ప్రారంభించడానికి మరియు ప్రారంభ పరిచయం చేసిన తర్వాత స్వయంచాలకంగా ఒక వస్తువు చుట్టూ మూసివేయడం కోసం రోబోటిక్ ఆటోమేషన్‌ను చేర్చారు. వినియోగదారు ఒక వస్తువును విడుదల చేయాలనుకుంటే, అతను లేదా ఆమె చేయాల్సిందల్లా రోబోటిక్ కంట్రోలర్‌ను ఆపివేయడానికి చేతిని తెరవడానికి ప్రయత్నించి, వినియోగదారుని తిరిగి చేతి నియంత్రణలో ఉంచండి.

EPFL యొక్క లెర్నింగ్ అల్గోరిథమ్స్ అండ్ సిస్టమ్స్ లాబొరేటరీకి నాయకత్వం వహించే ude డ్ బిల్లార్డ్ ప్రకారం, రోబోటిక్ హ్యాండ్ 400 మిల్లీసెకన్లలో స్పందించగలదు. "వేళ్ళతో పాటు ప్రెజర్ సెన్సార్లతో అమర్చబడి, ఆ వస్తువు జారిపోతోందని మెదడు గ్రహించకముందే అది వస్తువును స్పందించి స్థిరీకరించగలదు" అని బిల్లార్డ్ చెప్పారు.

న్యూరో ఇంజనీరింగ్ మరియు రోబోటిక్స్కు కృత్రిమ మేధస్సును వర్తింపజేయడం ద్వారా, EPFL శాస్త్రవేత్తలు యంత్రం మరియు వినియోగదారు ఉద్దేశం మధ్య భాగస్వామ్య నియంత్రణ యొక్క కొత్త విధానాన్ని ప్రదర్శించారు-న్యూరోప్రొస్టెటిక్ టెక్నాలజీలో పురోగతి.

కాపీరైట్ © 2019 కామి రోసో అన్ని హక్కులూ ప్రత్యేకించుకోవడమైనది.