پژوهشگران مؤسسه پلی‌تکنیک فدرال لوزان (EPFL) در سوئیس یک دست رباتیک هوشمند برای کمک به افراد قطع عضو در انجام کارهای روزمره ساخته‌اند. این گروه از سخت افزارهای رباتیک موجود استفاده کرد، اما یک روش یادگیری ماشینی را برای کنترل بهتر پروتز توسعه داد. بدین ترتیب دست‌های رباتیک می‌توانند اهداف کاربر را حتی در حرکات مجزای انگشتان، بهتر پیش بینی کنند. در فرآیندی به نام کنترل مشترک یک بازوی هوشمند می‌تواند به طور خودکار حرکات ویژه‌ای از قبیل چنگ زدن و دستکاری را کنترل کند. در این روش از ترکیب کنترل رباتیک و کنترل کاربر برای یک تجربه بهتر استفاده شده است. با مجله فناوریهای توان‌افزا و پوشیدنی همراه باشید.
دانشمندان EPFL در حال توسعه رویکردهای جدیدی برای کنترل بهتر دست‌های رباتیک هستند که کنترل مجزای انگشتان و اتوماسیون را برای کنترل و دستکاری بهتر ترکیب می‌کند. این فناوری بین رشته‌ای، مهندسی عصبی و رباتیک، با موفقیت روی سه فرد قطع عضو و هفت فرد سالم مورد آزمایش قرار گرفت. نتایج در Nature Machine Intelligence منتشر شده است.
این فناوری دو مفهوم از دو زمینه مختلف را ادغام می‌کند. تاکنون ترکیب این دو با هم برای کنترل دست رباتیک استفاده نشده بود. یک مفهوم، از مهندسی عصبی، شامل رمزگشایی قصد حرکتی انگشت مورد نظر از فعالیت عضلانی روی عضلات باقی مانده فرد برای کنترل مجزای انگشتان پروتز دست است که پیش از این انجام نشده. مورد دیگر از رباتیک، به دست رباتیک این امکان را می‌دهد تا بتواند اشیاء را در دست بگیرد و با آنها برای چنگ زدنی مطمئن، تماس برقرار کند.
Aude Billard، مدیر آزمایشگاه الگوریتم‌ها و سامانه‌های یادگیری EPFL می‌گوید: «وقتی یک شیء را در دست خود نگه می‌دارید و آن شروع به لغزش کند، باید در عرض چند میلی ثانیه واکنش نشان دهید». وی گفت: « این دست رباتیک توانایی واکنش در کمتر از ۴۰۰ میلی ثانیه را دارد. مجهز به حسگرهای فشار در امتداد انگشتان دست است که می‌تواند پیش از اینکه مغز بتواند درک کند که شیء در حال لغزش است، واکنش نشان داده و آن را ثابت نگه دارد».
کنترل مشترک
الگوریتم ابتدا می‌آموزد که چگونه قصد کاربر را رمزگشایی کند و این را به حرکت انگشتان پروتز دست ترجمه می‌کند. فرد باید یک سری حرکات دست را انجام دهد تا الگوریتمی که از یادگیری ماشین استفاده می‌کند، آموزش ببیند. حسگرهای قرار گرفته بر روی بدن فرد قطع عضو فعالیت عضلانی را تشخیص می‌دهد و الگوریتم می‌آموزد که کدام حرکات دست با کدام الگوی فعالیت عضلانی مطابقت دارد. پس از درک قصد حرکتی انگشتان کاربر، می توان از این اطلاعات برای کنترل انگشتان پروتز دست استفاده کرد.
Katie Zhuang نخستین نویسنده این پژوهش می‌گوید: «از آنجا که سیگنال‌های عضلانی می‌توانند نویزی باشند، ما به یک الگوریتم یادگیری ماشین نیاز داریم که فعالیت‌های معنادار را از آن سیگنال‌ها استخراج و آنها را به حرکات تفسیر کند».
در مرحله بعد، دانشمندان الگوریتم را به گونه‌ای طراحی کردند که وقتی کاربر سعی می‌کند یک شی را بردارد، اتوماسیون رباتیک کار خود را آغاز کند. این الگوریتم هنگامی که یک جسم در تماس با حسگرهای سطح پروتز دست قرار دارد به پروتز فرمان می‌دهد که انگشتان خود را ببندد. این چنگ زدن خودکار از یک پژوهش گذشته برای دست‌های رباتیک گرفته شده است. در این پژوهش دست مصنوعی تنها براساس اطلاعات لمسی، شکل اشیاء را پیش‌بینی و آنها را برمیدارد.
چالش‌های بسیاری برای مهندسی این الگوریتم پیش از اجرای آن در پروتزهای دست تجاری و در دسترس باقی مانده است. در حال حاضر، این الگوریتم تنها روی یک ربات آزمایش شده است.
Silvestro Micera مدیر مؤسسهBertarelli در EPFL می‌گوید: «رویکرد مشترک ما برای کنترل دست‌های رباتیک می‌تواند در چندین زمینه پروتزهای عصبی مانند پروتزهای بیونیک دست و رابط‌های مغز و ماشین مورد استفاده قرار گیرد».
بیشتر بخوانیم:
>> این دستکش الکترونیکی به دست مصنوعی ویژگی‌های انسانی میبخشد
>> بهبود ارتباط انسان و ربات با یک دستگاه پوشیدنی
>> ساخت پروتزهای ارزان با بازیافت زباله های پلاستیکی و چاپگر سه بعدی
منبع: news.epfl.ch
«استفاده و بازنشر مطالب تنها با ذکر لینک منبع و نام (مجله فناوریهای توان افزا و پوشیدنی) مجاز است.»
