La nouvelle neuroprothèse est une percée en robotique IA

Des scientifiques de l'EPFL (École polytechnique fédérale de Lausanne) en Suisse ont annoncé la création d'une première mondiale pour la commande manuelle robotisée - un nouveau type de neuroprothèse qui unifie le contrôle humain avec l'automatisation de l'intelligence artificielle (IA) pour une plus grande dextérité du robot et ont publié leurs recherches dans Septembre 2019 dans Intelligence artificielle de la nature .

Les neuroprothèses (prothèses neurales) sont des dispositifs artificiels qui stimulent ou améliorent le système nerveux via une stimulation électrique pour compenser les déficiences qui affectent la motricité, la cognition, la vision, l'audition, la communication ou les capacités sensorielles. Des exemples de neuroprothèses comprennent les interfaces cerveau-ordinateur (BCI), la stimulation cérébrale profonde, les stimulateurs de la moelle épinière (SCS), les implants de contrôle de la vessie, les implants cochléaires et les stimulateurs cardiaques.

La valeur mondiale des prothèses des membres supérieurs devrait dépasser 2,3 milliards USD d'ici 2025, selon les chiffres d'un rapport d'août 2019 de Global Market Insight. En 2018, la valeur marchande mondiale a atteint un milliard USD sur la base du même rapport. On estime que deux millions d'Américains sont des amputés, et il y a plus de 185 000 amputations effectuées chaque année, selon le National Limb Loss Information Center. Les maladies vasculaires représentent 82% des amputations aux États-Unis selon le rapport.

Une prothèse myoélectrique est utilisée pour remplacer les parties du corps amputées par un membre artificiel à alimentation externe qui est activé par les muscles existants de l'utilisateur. Selon l'équipe de recherche de l'EPFL, les appareils commerciaux disponibles aujourd'hui peuvent donner aux utilisateurs un haut niveau d'autonomie, mais la dextérité est loin d'être aussi agile que la main humaine intacte.

«Les appareils commerciaux utilisent généralement un système à deux canaux d'enregistrement pour contrôler un seul degré de liberté; c'est-à-dire un canal sEMG pour la flexion et un pour l'extension », ont écrit les chercheurs de l'EPFL dans leur étude. «Bien qu'intuitif, le système offre peu de dextérité. Les gens abandonnent les prothèses myoélectriques à des taux élevés, en partie parce qu'ils estiment que le niveau de contrôle est insuffisant pour mériter le prix et la complexité de ces dispositifs.

Pour aborder le problème de la dextérité avec les prothèses myoélectriques, les chercheurs de l'EPFL ont adopté une approche interdisciplinaire pour cette étude de validation de concept en combinant les domaines scientifiques de la neuro-ingénierie, de la robotique et de l'intelligence artificielle pour semi-automatiser une partie de la commande motrice pour contrôler."

Silvestro Micera, titulaire de la chaire de la Fondation Bertarelli de l'EPFL en neuro-ingénierie translationnelle et professeur de bioélectronique à la Scuola Superiore Sant'Anna en Italie, considère que cette approche commune du contrôle des mains robotiques peut améliorer l'impact clinique et l'utilisabilité pour un large éventail de fins neuroprothétiques telles que le cerveau -interfaces machine (IMC) et mains bioniques.

«L'une des raisons pour lesquelles les prothèses commerciales utilisent plus couramment des décodeurs basés sur des classificateurs au lieu de décodeurs proportionnels est que les classificateurs restent plus robustes dans une posture particulière», ont écrit les chercheurs. «Pour la préhension, ce type de contrôle est idéal pour éviter les chutes accidentelles mais sacrifie le pouvoir de l'utilisateur en limitant le nombre de postures de mains possibles. Notre implémentation du contrôle partagé permet à la fois l'agence des utilisateurs et la compréhension de la robustesse. Dans l'espace libre, l'utilisateur a un contrôle total sur les mouvements de la main, ce qui permet également une pré-mise en forme volontaire pour la préhension.

Dans cette étude, les chercheurs de l'EPFL se sont concentrés sur la conception des algorithmes logiciels - le matériel robotique fourni par des parties externes se compose d'un Allegro Hand monté sur le robot KUKA IIWA 7, d'un système de caméra OptiTrack et de capteurs de pression TEKSCAN.

Les scientifiques de l'EPFL ont créé un décodeur proportionnel cinématique en créant un perceptron multicouche (MLP) pour apprendre à interpréter l'intention de l'utilisateur afin de la traduire en mouvement des doigts sur une main artificielle. Un perceptron multicouche est un réseau neuronal artificiel à anticipation qui utilise la rétropropagation. MLP est une méthode d'apprentissage en profondeur dans laquelle les informations avancent dans une direction, plutôt que dans un cycle ou une boucle à travers le réseau neuronal artificiel.

L'algorithme est entraîné par les données d'entrée de l'utilisateur effectuant une série de mouvements de la main. Pour un temps de convergence plus rapide, la méthode de Levenberg – Marquardt a été utilisée pour ajuster les poids du réseau au lieu de la descente de gradient. Le processus de formation du modèle complet a été rapide et a pris moins de 10 minutes pour chacun des sujets, ce qui rend l'algorithme pratique du point de vue de l'utilisation clinique.

«Pour une personne amputée, il est en fait très difficile de contracter les muscles de très nombreuses façons différentes de contrôler toutes les façons dont nos doigts bougent», a déclaré Katie Zhuang du Translational Neural Engineering Lab de l'EPFL, qui a été le premier auteur de l'étude. . «Ce que nous faisons, c'est de placer ces capteurs sur leur moignon restant, puis de les enregistrer et d'essayer d'interpréter ce que sont les signaux de mouvement. Parce que ces signaux peuvent être un peu bruyants, nous avons besoin de cet algorithme d'apprentissage automatique qui extrait une activité significative de ces muscles et les interprète en mouvements. Et ces mouvements contrôlent chaque doigt des mains robotiques. »

Parce que les prédictions de la machine sur les mouvements des doigts peuvent ne pas être précises à 100%, les chercheurs de l'EPFL ont intégré l'automatisation robotique pour activer la main artificielle et commencer automatiquement à se fermer autour d'un objet une fois le contact initial établi. Si l'utilisateur veut libérer un objet, tout ce qu'il ou elle a à faire est d'essayer d'ouvrir la main afin d'éteindre le contrôleur robotique, et de remettre l'utilisateur en contrôle de la main.

Selon Aude Billard, qui dirige le laboratoire des algorithmes et systèmes d'apprentissage de l'EPFL, la main robotique est capable de réagir en 400 millisecondes. «Equipé de capteurs de pression tout le long des doigts, il peut réagir et stabiliser l'objet avant que le cerveau ne puisse réellement percevoir que l'objet glisse», a déclaré Billard.

En appliquant l'intelligence artificielle à la neuro-ingénierie et à la robotique, les scientifiques de l'EPFL ont démontré la nouvelle approche du contrôle partagé entre la machine et l'intention de l'utilisateur - une avancée dans la technologie neuroprothétique.

Copyright © 2019 Cami Rosso Tous droits réservés.