Kad nešto zgrabite, ruka vam čini većinu posla. Vaš mozak samo kaže, "idi, ne brini kako će se to dogoditi." Ali s protetikom, čak i najsavremenijim, ta radnja zahtijeva mnogo više intencionalnosti. Kao rezultat toga, mnogi pacijenti napuštaju vrhunske udove.
Povezani sadržaj
- Kako hakiranje neuronskih mreža može pomoći amputiranima da besprijekorno razbiju jaje
- Dobijanje proteza je jednostavno, u usporedbi s navođenjem na ono što želite
Moderna protetika prima komande u obliku električnih signala od mišića na koje su vezani. Ali čak ni najbolja protetika još ne može puno učiniti. Korisnici trebaju dugo razdoblje treninga da se naviknu na ud. Oni se često mogu kretati samo ograničenim načinima, a korisnici moraju ručno prebacivati između rukohvata da bi izvršili različite zadatke - recimo, otvoriti vrata nasuprot štipanju i okretanju ključa. Sve u svemu, to znači da ruka ne može besprijekorno raditi s mozgom.
Jedan alat koji bi mogao pomoći u rješavanju ovog problema je računalni vid. Istraživači sa Sveučilišta u Newcastleu postavili su web kameru na protetsku ruku, povezali je s neurološkom mrežom dubokog učenja i uređajima dali dvije amputirane osobe kojima su ruke amputirane iznad zgloba, ali ispod lakta. Računalo je koristilo kameru da vidi što korisnik doseže i automatski podešava stisak proteze.
Rezultati su do sada bili obećavajući. U članku u časopisu Journal of Neural Engineering, tim iz Newcastlea izvijestio je da su korisnici imali stope uspjeha iznad 80 posto za branje i pomicanje predmeta.
"Ako to možemo poboljšati, dobiti sto posto, bilo bi mnogo pouzdanije upotrijebiti ruku za amputirane osobe", kaže Ghazal Ghazaei, doktor znanosti iz Newcastlea i vodeći autor rada. "Ako će to biti ako se koristi u stvarnom životu, on bi trebao biti bez pogreške. "
Sam uređaj bio je protetičar koji nije dostupan na polici i zvao se ultra-i-udova ultra, a web kamera je bila jeftina Logitech Quickcam Chat niske rezolucije. Prava inovacija je bila kako je Ghazaeijev tim smislio shemu učenja za računalno korištenje podataka iz web kamere.
Softver prepoznaje obrasce u obliku predmeta koji se podiže i razvrstava ih u kategorije na temelju hvata koji su mu potrebni kako bi ih učinkovito uhvatio. Da bi naučio računalo ovoj tehnici, Ghazaei joj je donio 72 slike, snimljene u koracima od 5 stupnjeva, od 500 predmeta. Softver filtrira objekte po njihovim značajkama i putem pokušaja i pogreške nauči koji spadaju u koje kategorije.
Zatim, kad se protetiku predstavi predmet, mreža klasificira sliku male rezolucije na temelju njegovog širokog, apstraktnog oblika. Sustav ne mora biti nešto što je sustav vidio prije - općeniti oblik predmeta dovoljan je da ruci kaže koji zahvat treba koristiti. Ghazaei i tim koristili su četiri vrste stiska, uključujući pinch (dva prsta), stativ (tri vrhova prstiju), neutralnu palmu (poput hvatanja za šalicu kave) i pronatiranu palmaru (gdje je dlan okrenut prema dolje).
Računalni vid prije se koristio na robotskim rukama, kako u protetikama tako i kod industrijskih robota. Ali takvi napori uključuju bilo objekte standardne veličine i oblika, kao u proizvodnom okruženju, ili sporije algoritme. Sustav razvijen u Newcastleu uspio je proći kroz ovaj proces dovoljno brzo da ispravno klasificira objekte u 450 mikrosekundi, odnosno oko 1/2000 th sekunde. "Glavna razlika je vrijeme koje je potrebno da shvatite i izvršite zadatak", kaže Ghazaei. "Za neke od njih to je oko četiri sekunde, a nekima je potrebno nekoliko snimaka. Za nas je to samo jedan snimak i to vrlo brzo. "
Utjecaji ove tehnologije daleko prevazilaze prikupljanje predmeta za kućanstvo. Sustavi za snimanje mogli bi pomoći protetičkim nogama da znaju koliko su udaljene od zemlje, te se, na primjer, prilagode u skladu s tim. Zajedničko je oba slučaja robotski sustav koji djeluje zajedno s mozgom.
"Glavna ideja je ostvariti interakciju između robotskog uređaja i čovjeka, dodajući malo inteligencije u robotski sustav", kaže Dario Farina, profesor neurorehabilitacijskog inženjerstva na Imperial College Londonu, čiji laboratorij proučava neuromuskularna sučelja za tijela i mozak i uređaji na koje se povezuju.
"Protezu ne samo pacijent kontrolira svojim mozgom i preko neuronskog sučelja, već pacijentu pomaže i drugi inteligentan entitet koji je postavljen na protezu i koji može vidjeti okoliš" kaže Farnia, koja nije bila uključena u studiju u Newcastleu. "Glavni je izazov u ovome zapravo mogućnost dijeljenja kontrole između ljudskog i obavještajnog sustava."
To je rani ulazak u spajanje umjetne inteligencije s mozgom, koji istražuje koje radnje najbolje djeluju za svakog bez stvaranja sukoba. Ghazaei se susreo s tim problemom; ona još uvijek radi na upravljanju koliko širokog gibanja upravlja protetičkim računalom, u odnosu na radnje korisnika. Sada korisnik usmjerava proteza na predmet, tjera ga da fotografira, a zatim ruka odabere hvatanje i hvatanje.
To je samo jedan od mnogih preostalih izazova. Trenutno sustav ne može razumjeti duge predmete koji se pružaju izvan vidokruga. Ima problema s pretrpanom pozadinom. Ponekad neki daljnji objekt tumači kao manji, bliži. A Ghazaei kaže da je povećanje broja vrsta zahvata na 10 ili 12 još jedan cilj. Ali već je, kaže, dvoje korisnika na suđenju cijenilo povećanje performansi i jednostavnost koju daje osnovnom činu da se nešto pokupi.
