Исследователи Федеральной политехнической школы Лозанны (Швейцария) разработали интеллектуальную роботизированную руку для помощи людям с ампутированными конечностями в повседневных задачах. Исследовательская группа использовала существующее роботизированное оборудование, но разработала подход на базе алгоритма машинного обучения, обеспечивающий лучший контроль протеза конечности, при котором роботизированная технология может лучше предвидеть намерения пользователя, вплоть до движения отдельных пальцев. В процессе, называемом “совместное управление”, “умная” искусственная рука может автоматически контролировать определенные движения, такие как захват и манипулирование, объединяя таким образом как роботизированное, так и пользовательское управление для улучшения работы искусственной руки.

Информация о новой технологии опубликована в журнале Nature Machine Intelligence.

В этой новейшей разработке робот и пациент работают вместе, чего раньше никогда не пробовали. С помощью этой системы роботизированный протез определяет предполагаемые движения пальцев с помощью датчиков на культе руки, измеряющих мышечную активность. Эти данные транслируются в систему, контролирующую движение отдельных пальцев на протезе кисти.

Однако робот также достаточно “умен”, чтобы расшифровать намерения пользователя и обладает уровнем автоматизации, позволяющим, например, схватить объект и поддерживать с ним контакт столько, сколько потребуется. Такая автоматизация может помочь системе быть более ловкой, интуитивно понятной и менее неуклюжей, чем предыдущие роботизированные протезы. По словам одного из исследователей Аудура Билларда,

Когда вы держите объект в руке, и он начинает скользить, у вас есть всего несколько миллисекунд, чтобы отреагировать. Рука робота способна реагировать в течение 400 миллисекунд. Оснащенный датчиками давления по всей длине пальцев, он может реагировать и стабилизировать объект до того, как мозг сможет действительно почувствовать, что объект выскальзывает.

Чтобы система могла работать в тандеме с пациентом, последний сначала тренирует ее, чтобы она распознавала его намерения, используя датчики, установленные на культе, которые измеряют мышечную активность при выполнении ряда маневров, включая индивидуальные движения пальцев. Причем, поскольку мышечные сигналы могут быть зашумленными, был разработан алгоритм машинного обучения, который извлекает значимые данные из сигналов активности этих мышц и интерпретирует их в движения.

Автоматизация срабатывает, когда пользователь пытается выполнить определенные задачи, например, захватить объект. Датчики на протезе сообщают устройству, когда пользователь пытается что-то ухватить, и рука автоматически закрывается вокруг него, крепко удерживая его.

Источник