--°C Athens

Πώς η τεχνητή νοημοσύνη βοηθά όσους έχουν προσθετικά χέρια να εκτελούν λεπτές κινητικές εργασίες

Πώς η τεχνητή νοημοσύνη βοηθά όσους έχουν προσθετικά χέρια να εκτελούν λεπτές κινητικές εργασίες

Ερευνητές στο Πανεπιστήμιο Ηλεκτρονικής Τεχνολογίας Guilin στην Κίνα ανέπτυξαν ένα νέο σύστημα προσθετικής με ενσωματωμένο οπτικό σύστημα, σχεδιασμένο για να αυτοματοποιεί τη δύναμη λαβής. Το νέο αυτό σύστημα δίνει τη δυνατότητα στους ακρωτηριασμένους να χρησιμοποιούν το προσθετικό τους χέρι πιο διαισθητικά.

Τα προσθετικά που κυκλοφορούν αυτή τη στιγμή χρησιμοποιούν αισθητήρες ηλεκτρομυογραφίας (EMG) για να ανιχνεύουν πότε ένας χρήστης θέλει να πιάσει κάτι. Αλλά η τωρινή τεχνολογία δυσκολεύεται να προσδιορίσει πόση πίεση πρέπει να ασκήσει ο χρήστης. Αυτό συχνά αναγκάζει τους χρήστες να σκέφτονται υπερβολικά απλές εργασίες – όπως το να κρατούν ένα αυγό αντί για ένα μπουκάλι νερό – για να αποφύγουν το σπάσιμο ή την πτώση αντικειμένων. Ως εκ τούτου, η ερευνητική ομάδα αποφάσισε να εξαλείψει την εικασία από την εξίσωση.

Σε αυτή τη νέα μέθοδο, η μάθηση μέσω τεχνητής νοημοσύνης, μια κάμερα και ένας αισθητήρας συνδυάστηκαν για να βελτιώσουν τη δύναμη λαβής των προσθετικών χεριών. «Θέλουμε να απελευθερώσουμε τον χρήστη από το να σκέφτεται πώς να ελέγχει [ένα αντικείμενο] και να του επιτρέψουμε να επικεντρωθεί σε αυτό που θέλει να κάνει, επιτυγχάνοντας μια πραγματικά φυσική και διαισθητική αλληλεπίδραση», επισήμανε ο συγγραφέας Hua Li στο δελτίο τύπου στις 20 Ιανουαρίου.

Κάθε χρόνο, περίπου 50.000 Αμερικανοί υφίστανται ακρωτηριασμούς. Συχνά έρχονται αντιμέτωποι με καθημερινές εργασίες που δεν μπορούν να εκτελέσουν χωρίς το χέρι τους. Ένα σημαντικό εμπόδιο στην τεχνολογία προσθετικών είναι η δυσκολία βαθμονόμησης της δύναμης λαβής, της δύναμης δηλαδή που πρέπει να καταβάλουν για να πιάσουν ή να χειριστούν διαφορετικά αντικείμενα. Το θέμα είναι ότι οι χρήστες πρέπει να βρουν χειροκίνητα την ισορροπία μεταξύ μιας λαβής αρκετά σταθερής για να κρατήσουν ένα μπουκάλι και αρκετά απαλής για να μην σπάσουν ένα αυγό. Οι ερευνητές ανέπτυξαν ένα σύστημα αναγνώρισης που χρησιμοποιεί τεχνητή νοημοσύνη και καθορίζει σε πραγματικό χρόνο πόση δύναμη λαβής πρέπει να καταβάλουν τα προσθετικά άκρα. Με αυτό ως γνώμονα, χαρτογράφησαν πόση πίεση χρειάζεται για να χειριστούν τα προσθετικά χέρια ορισμένα καθημερινά αντικείμενα – όπως στυλό, κλειδιά και αυγά. Επιπλέον, ένα σύστημα μηχανικής μάθησης εκπαιδεύτηκε για να αυτοματοποιεί τον έλεγχο της λαβής μέσω μιας κάμερας τοποθετημένης στην παλάμη.

Αυτό το σύστημα όρασης λειτουργεί σε συνδυασμό με αισθητήρες ΗΜΓ του αντιβραχίου που ανιχνεύουν μυϊκές συσπάσεις στο αντιβράχιο του χρήστη. «Ένα σήμα ΗΜΓ μπορεί να μεταφέρει με σαφήνεια την πρόθεση για πιασίματα, αλλά δυσκολεύεται να απαντήσει στο κρίσιμο ερώτημα, πόση δύναμη χρειάζεται; Αυτό συχνά απαιτεί πολύπλοκη εκπαίδευση ή βαθμονόμηση του χρήστη», δήλωσε ο Li. «Η προσέγγισή μας ήταν να μεταφέρουμε το ερώτημα του “πόση δύναμη” στο σύστημα όρασης», πρόσθεσε ο συγγραφέας. Όταν ένας χρήστης απλώνει το χέρι του για ένα αντικείμενο, η κάμερα που είναι τοποθετημένη στην παλάμη του χεριού το αναγνωρίζει. Ένας αλγόριθμος μηχανικής μάθησης στη συνέχεια διασταυρώνει αυτήν την αναγνώριση με μια βάση δεδομένων με τις απαιτούμενες δυνάμεις λαβής.

Οι χρήστες μπορούν να επικεντρωθούν στη δράση (σήκωμα ενός ποτηριού) παρά στον υπολογισμό (πόσο δυνατά να πιάσουν). Οι ερευνητές στοχεύουν να προσθέσουν απτική ανάδραση στο σύστημα, δημιουργώντας μια «αμφίδρομη γέφυρα» που στέλνει σωματικές αισθήσεις πίσω στον χρήστη. Χρησιμοποιώντας πρόσθετα σήματα ΗΜΓ για να διευκολύνουν αυτήν την αμφίδρομη διάδραση, το προσθετικό μέλος θα προχωρήσει πέρα από την απλή εκτέλεση για να παρέχει μια πιο διαισθητική, ζωντανή σύνδεση μεταξύ του ατόμου και του τεχνητού χεριού του. Ο απώτερος στόχος είναι να αποκατασταθεί η ικανότητα εκτέλεσης λεπτών κινητικών εργασιών – όπως το κούμπωμα ενός πουκάμισου ή το ξεφλούδισμα φρούτων.

«Αυτό που προσβλέπουμε περισσότερο και στο οποίο επικεντρωνόμαστε αυτή τη στιγμή είναι να επιτρέψουμε στους χρήστες με προσθετικά χέρια να εκτελούν απρόσκοπτα και αξιόπιστα τις λεπτές κινητικές εργασίες της καθημερινότητας», δήλωσε ο Λι. «Ελπίζουμε να δούμε τους χρήστες να μπορούν να δένουν αβίαστα τα κορδόνια των παπουτσιών τους ή να κουμπώνουν ένα πουκάμισο, να σηκώνουν με σιγουριά ένα αυγό ή ένα ποτήρι νερό χωρίς να υπολογίζουν συνειδητά τη δύναμη που πρέπει να καταβάλουν και να ξεφλουδίζουν φυσικά ένα φρούτο ή να δίνουν ένα πιάτο σε ένα μέλος της οικογένειας», πρόσθεσε ο Λι, όπως αναφέρει δημοσίευμα του ιστότοπου Interesting Engineering.

Διαβάστε Σχετικά