Zwei EPFL-Forschungsgruppen haben zusammengearbeitet, um ein maschinelles Lernprogramm zu entwickeln, das mit einem menschlichen Gehirn verbunden und zur Steuerung eines Roboters verwendet werden kann. Die Software passt die Bewegungen des Roboters basierend auf elektrischen Signalen des Gehirns an. Die Hoffnung ist, dass Tetraplegie-Patienten mit dieser Erfindung in der Lage sein werden, mehr ihrer täglichen Aktivitäten alleine durchzuführen.
Patienten mit Quadriplegie sind Gefangene ihres eigenen Körpers, sie können weder sprechen noch die geringste Bewegung ausführen. Forscher arbeiten seit Jahren daran, Systeme zu entwickeln, die diesen Patienten helfen können, bestimmte Aufgaben selbstständig zu erledigen. „Menschen mit Rückenmarksverletzungen haben oft dauerhafte neurologische Defizite und schwere motorische Beeinträchtigungen, die sie daran hindern, selbst einfachste Aufgaben wie das Halten von Gegenständen auszuführen“, erklärt Professor Aude Billard, Leiterin des EPFL-Labors für Systemlernen und Algorithmen. „Die Unterstützung von Robotern kann diesen Menschen helfen, einen Teil ihrer verlorenen Fähigkeiten wiederzuerlangen, da der Roboter Aufgaben für sie erledigen kann.“
Professor Bellard führte eine Studie mit Professor José del R. Milan durch, der damals das Brain-Machine Interface Laboratory an der EPFL leitete, aber inzwischen an die University of Texas gewechselt ist. Die beiden Forschungsgruppen haben ein Computerprogramm entwickelt, das in der Lage ist, einen Roboter mithilfe von elektrischen Signalen zu steuern, die vom Gehirn eines Patienten ausgesendet werden. Keine Sprachbefehle oder Berührungsfunktionen erforderlich; Patienten können den Roboter einfach mit ihren Gedanken bewegen. Die Studie wurde veröffentlicht in Kommunikationsbiologieeine Open-Access-Zeitschrift von Nature Portfolio.
Vermeiden Sie Hindernisse
Bei der Entwicklung ihres Systems gingen die Forscher von einem vor einigen Jahren entwickelten Roboterarm aus. Dieser Arm kann sich von rechts nach links hin und her bewegen, Objekte vor sich neu positionieren und sich um Objekte auf seinem Weg bewegen. „In unserer Studie haben wir einen Roboter so programmiert, dass er Hindernissen ausweicht, aber wir konnten jede andere Art von Aufgabe wählen, wie z. B. ein Glas Wasser füllen oder etwas schieben oder ziehen“, erklärt Professor Bellard.
Ingenieure haben begonnen, den Hindernisvermeidungsmechanismus des Roboters zu verbessern, um genauer zu sein. „Anfangs wählte der Roboter einen Weg, der für einige Hindernisse zu breit war, was ihn zu weit machte, und für andere nicht breit genug, wodurch er zu nah wurde“, erklärt Carolina Gaspar Pinto Ramos Correia, Doktorandin bei Professor Carolina Gaspar Pinto Ramos Correia . Billard Labor. „Da der Zweck unseres Roboters darin besteht, gelähmten Patienten zu helfen, mussten wir einen Weg finden, wie Benutzer mit ihm kommunizieren können, ohne zu sprechen oder sich zu bewegen.“
Ein Algorithmus, der aus Ideen lernen kann
Dazu gehörte die Entwicklung eines Algorithmus, der die Bewegungen des Roboters nur basierend auf den Gedanken des Patienten modifizieren konnte. Der Algorithmus ist mit einem Headset mit Elektroden verbunden, um Elektroenzephalogramm (EEG)-Scans der Gehirnaktivität des Patienten durchzuführen. Um das System zu benutzen, muss der Patient nur auf den Roboter schauen. Macht der Roboter eine falsche Bewegung, gibt das Gehirn des Patienten über ein eindeutig identifizierbares Signal eine „Fehlermeldung“ aus, als würde der Patient sagen: „Nein, so ist das nicht.“ Der Bot wird dann verstehen, dass das, was er tut, falsch ist, aber er wird zunächst nicht genau wissen, warum. Kam er dem Objekt beispielsweise zu nahe oder zu weit davon weg? Um dem Roboter zu helfen, die richtige Antwort zu finden, wird eine Fehlermeldung in den Algorithmus eingespeist, der mithilfe eines Reverse-Reinforcement-Learning-Ansatzes bestimmt, was der Patient will und welche Maßnahmen der Roboter ergreifen soll. Dies geschieht durch einen Trial-and-Error-Prozess, bei dem der Roboter verschiedene Bewegungen ausprobiert, um zu sehen, welche richtig ist. Der Vorgang geht sehr schnell – in der Regel benötigt der Roboter nur drei bis fünf Versuche, um die richtige Antwort zu finden und den Patientenwunsch umzusetzen. „Das KI-Programm für einen Roboter kann schnell lernen, aber man muss ihm sagen, wenn er einen Fehler macht, damit er sein Verhalten korrigieren kann“, sagt Professor Millan. “Die Entwicklung einer Fehlersignalisierungstechnologie war eine der größten technischen Herausforderungen, mit denen wir konfrontiert waren. Eine große Herausforderung in unserer Studie war die Verknüpfung der Gehirnaktivität des Patienten mit dem Steuersystem des Roboters – oder mit anderen Worten, die ‚Übersetzung‘ von Gehirnsignalen.“ fügt Eason Bazianolis, Hauptautor der Studie, hinzu, dass der Patient die Aktionen des Roboters miterlebt. Dazu nutzten wir maschinelles Lernen, um ein bestimmtes Gehirnsignal mit einer bestimmten Aufgabe zu verknüpfen. Dann ordneten wir einzelnen Roboterbefehlen Aufgaben zu, damit der Roboter das tat, was der Patient dachte.
Der nächste Schritt: ein gedankengesteuerter Rollstuhl
Die Forscher hoffen, mit ihrem Algorithmus schließlich Rollstühle steuern zu können. „Bisher gibt es noch viele technische Hürden zu überwinden“, sagt Professor Bellard. „Rollstühle stellen eine völlig neue Reihe von Herausforderungen dar, da der Patient und der Roboter in Bewegung sind. Das Team plant außerdem, ihren Algorithmus mit einem Roboter zu verwenden, der mehrere verschiedene Arten von Signalen lesen und Daten aus dem Gehirn mit denen der visuellen Motorik koordinieren kann Funktionen.“
Story-Quelle:
Material zur Verfügung gestellt von Eidgenössische Technische Hochschule in Lausanne. Original von Valérie Geneux. Hinweis: Inhalt kann je nach Stil und Länge geändert werden.