21 دسامبر 2021
Ecole Polytechnique Fédérale de Lozanne
دو گروه تحقیقاتی EPFL با یکدیگر همکاری کردند تا یک برنامه یادگیری ماشینی را توسعه دهند که می تواند به مغز انسان متصل شود و از آن برای فرمان دادن به یک ربات استفاده شود. این برنامه حرکات ربات را بر اساس سیگنال های الکتریکی مغز تنظیم می کند. امید است که با این اختراع، بیماران تتراپلژی بتوانند فعالیت های روزانه بیشتری را به تنهایی انجام دهند.
بیماران تتراپلژی زندانی بدن خود هستند که قادر به صحبت کردن یا انجام کوچکترین حرکتی نیستند. محققان سالها برای توسعه سیستمهایی کار کردهاند که میتواند به این بیماران کمک کند تا برخی از وظایف را به تنهایی انجام دهند. پروفسور Aude Billard، رئیس آزمایشگاه الگوریتمها و سیستمهای یادگیری EPFL میگوید: «افراد مبتلا به آسیب نخاعی اغلب دچار نقصهای عصبی دائمی و ناتوانیهای حرکتی شدید میشوند که آنها را از انجام سادهترین وظایف، مانند گرفتن یک شی بازمیدارد». کمک رباتها میتواند به این افراد کمک کند تا برخی از مهارتهای از دست رفته خود را بازیابی کنند، زیرا ربات میتواند وظایف را در جای خود انجام دهد.
پروفسور بیلارد مطالعه ای را با پروفسور خوزه دل آر. میلان، که در آن زمان رئیس آزمایشگاه رابط مغز و ماشین EPFL بود، انجام داد، اما از آن زمان به دانشگاه تگزاس نقل مکان کرد. این دو گروه تحقیقاتی یک برنامه کامپیوتری توسعه داده اند که می تواند یک ربات را با استفاده از سیگنال های الکتریکی ساطع شده از مغز بیمار کنترل کند. هیچ کنترل صوتی یا عملکرد لمسی مورد نیاز نیست. بیماران می توانند ربات را به سادگی با افکار خود حرکت دهند. این مطالعه در Communications Biology، یک مجله با دسترسی آزاد از Nature Portfolio منتشر شده است.
اجتناب از موانع
محققان برای توسعه سیستم خود با یک بازوی روباتیک که چندین سال پیش ساخته شده بود، شروع کردند. این بازو می تواند از راست به چپ به جلو و عقب حرکت کند، اشیاء را در جلوی خود تغییر مکان دهد و اجسام موجود در مسیر خود را دور بزند. پروفسور بیلارد میگوید: در مطالعهمان یک ربات را برنامهریزی کردیم تا از موانع اجتناب کند، اما میتوانستیم هر نوع کار دیگری مانند پر کردن یک لیوان آب یا هل دادن یا کشیدن یک شی را انتخاب کنیم.
مهندسان با بهبود مکانیسم ربات برای اجتناب از موانع شروع کردند تا دقیق تر شود. کارولینا گاسپار پینتو راموس کوریا، دانشجوی دکترا در پروفسور کارولینا گاسپار پینتو راموس کوریا، میگوید: در ابتدا، ربات مسیری را انتخاب میکرد که برای برخی از موانع بسیار عریض بود، آن را خیلی دور میکرد، و برای دیگران به اندازه کافی عریض نبود و آن را خیلی نزدیک نگه میداشت. آزمایشگاه بیلارد از آنجایی که هدف ربات ما کمک به بیماران فلج بود، باید راهی پیدا میکردیم که کاربران بتوانند با آن ارتباط برقرار کنند که نیازی به صحبت یا حرکت نداشته باشد.
الگوریتمی که می تواند از افکار بیاموزد
این مستلزم ایجاد الگوریتمی بود که می توانست حرکات ربات را فقط بر اساس افکار بیمار تنظیم کند. این الگوریتم به یک کلاهک مجهز به الکترود برای اجرای اسکن الکتروانسفالوگرام EEG از فعالیت مغز بیمار متصل شد. برای استفاده از این سیستم، تنها کاری که بیمار باید انجام دهد این است که به ربات نگاه کند. اگر ربات حرکت نادرستی انجام دهد، مغز بیمار یک “پیام خطا” را از طریق یک سیگنال کاملاً قابل شناسایی منتشر می کند، گویی که بیمار می گوید “نه، نه اینطور نیست”. سپس ربات متوجه می شود که کاری که انجام می دهد اشتباه است — اما در ابتدا دقیقاً دلیل آن را نمی داند. به عنوان مثال، آیا خیلی به جسم نزدیک شده یا خیلی از آن دور شده است؟ برای کمک به ربات در یافتن پاسخ صحیح، پیام خطا به الگوریتم وارد میشود، که از یک رویکرد یادگیری تقویتی معکوس استفاده میکند تا مشخص کند که بیمار چه میخواهد و چه اقداماتی باید انجام دهد. این کار از طریق یک فرآیند آزمون و خطا انجام می شود که در آن ربات حرکات مختلفی را امتحان می کند تا ببیند کدام یک درست است. این روند خیلی سریع پیش می رود — معمولاً فقط سه تا پنج تلاش لازم است تا ربات بتواند پاسخ صحیح را بفهمد و خواسته های بیمار را اجرا کند. پروفسور میلان می گوید: برنامه هوش مصنوعی ربات می تواند به سرعت یاد بگیرد، اما باید به آن بگویید که چه زمانی اشتباه می کند تا بتواند رفتار خود را اصلاح کند. توسعه فناوری تشخیص سیگنال های خطا یکی از بزرگترین چالش های فنی بود که با آن روبرو بودیم. ایسون باتزیانولیس، نویسنده اصلی این مطالعه، میافزاید: آنچه در مطالعه ما بهویژه دشوار بود، پیوند دادن فعالیت مغزی بیمار به سیستم کنترل ربات بود – یا به عبارت دیگر، «ترجمه» سیگنالهای مغزی بیمار به اقدامات انجامشده توسط ربات. ما این کار را با استفاده از یادگیری ماشینی انجام دادیم تا یک سیگنال مغزی داده شده را به یک کار خاص مرتبط کنیم. سپس وظایف را با کنترلهای ربات فردی مرتبط کردیم تا ربات کاری را که بیمار در ذهن دارد انجام دهد.
مرحله بعدی: ویلچر کنترل شده توسط ذهن
محققان امیدوارند در نهایت از الگوریتم خود برای کنترل ویلچر استفاده کنند. پروفسور بیلارد می گوید: “در حال حاضر هنوز موانع مهندسی زیادی وجود دارد که باید بر آنها غلبه کرد.” ویلچرها مجموعهای کاملاً جدید از چالشها را ایجاد میکنند، زیرا هم بیمار و هم ربات در حال حرکت هستند. این تیم همچنین قصد دارد از الگوریتم خود با روباتی استفاده کند که می تواند چندین نوع سیگنال را بخواند و داده های دریافتی از مغز را با سیگنال های عملکرد حرکتی بینایی هماهنگ کند.