Apabila anda mengambil sesuatu, tangan anda melakukan kebanyakan kerja. Otak anda hanya berkata, "pergi, anda tidak bimbang tentang bagaimana ia berlaku." Tetapi dengan prostetik, walaupun yang paling maju, tindakan itu memerlukan lebih banyak kesungguhan. Akibatnya, banyak pesakit meninggalkan anggota badan mereka yang paling canggih.
Kandungan Terkait
- Bagaimana Hacking Neural Networks Boleh Membantu Amputees Flawlessly Crack sebuah Telur
- Mendapatkan Prostetik Sangat Mudah, Berbanding dengan Mendapatkannya Melakukan Apa yang Anda Mahu
Prostetik moden menerima arahan dalam bentuk isyarat elektrik dari otot-otot yang dilekatkan. Tetapi walaupun prostetik yang terbaik tidak dapat berbuat banyak lagi. Pengguna memerlukan tempoh latihan yang lama untuk membiasakan diri dengan anggota badan. Mereka sering kali hanya bergerak dalam cara yang terhad, dan pengguna perlu beralih secara manual di antara genggaman untuk mencapai tugas yang berbeza-katakan, untuk membuka pintu berbanding cengkeraman dan menjadikan kunci. Semua dalam semua, ini bermakna tangan tidak boleh berfungsi dengan lancar dengan otak.
Satu alat yang mungkin membantu menyelesaikan masalah ini ialah penglihatan komputer. Penyelidik di Universiti Newcastle memasang webcam pada tangan prostetik, menyambungkannya ke rangkaian neural pembelajaran yang mendalam, dan memberikan peranti kepada dua amputees yang lengannya telah dipotong di atas pergelangan tangan tetapi di bawah siku. Komputer menggunakan kamera untuk melihat apa yang dicapai oleh pengguna dan secara automatik menyesuaikan cengkaman prostetik.
Hasilnya, setakat ini, menjanjikan. Dalam satu artikel dalam Jurnal Kejuruteraan Neural, pasukan dari Newcastle melaporkan bahawa pengguna mempunyai kadar kejayaan melebihi 80 peratus untuk mengambil dan menggerakkan objek.
"Sekiranya kita dapat memperbaiki itu, dapatkan seratus peratus, ia akan menjadi lebih handal untuk menggunakan tangan untuk amputees, " kata Ghazal Ghazaei, seorang pelajar PhD di Newcastle dan penulis utama kertas itu. "Jika ia akan menjadi digunakan dalam kehidupan sebenar, ia harus menjadi kesilapan. "
Peranti itu sendiri adalah sebuah prostetik luar yang dipanggil ultra i-limb, dan webcam itu adalah resolusi rendah, Logitech Quickcam Chat murah. Inovasi sebenar adalah bagaimana pasukan Ghazaei menyusun skim pembelajaran komputer untuk menggunakan maklumat dari webcam.
Perisian mengiktiraf corak dalam bentuk objek yang hendak diangkat dan diklasifikasikan ke dalam kategori berdasarkan cengkaman yang diperlukan untuk memahami mereka dengan berkesan. Untuk mengajar komputer teknik ini, Ghazaei memberi makan 72 gambar masing-masing, diambil dengan kenaikan 5 darjah, dari 500 objek. Perisian menapis objek dengan ciri-ciri mereka, dan belajar melalui percubaan dan kesilapan yang jatuh ke dalam kategori apa.
Kemudian, apabila prostetik dibentangkan dengan objek, rangkaian mengklasifikasikan imej resolusi rendah berdasarkan bentuk yang luas dan abstraknya. Ia tidak perlu sesuatu yang pernah dilihat oleh sistem sebelum ini-bentuk umum objek itu cukup untuk memberitahu tangan apa cengkaman untuk digunakan. Ghazaei dan pasukan menggunakan empat jenis cengkaman, termasuk jepit (dua jari), tripod (tiga hujung jari), palmar neutral (seperti memegang cawan kopi), dan palmar pronated (di mana sawit menghadap ke bawah).
Visi komputer telah digunakan pada tangan robot sebelum ini, baik dalam prostetik dan robot industri. Tetapi usaha sedemikian sama ada melibatkan objek ukuran dan bentuk piawai, seperti dalam persekitaran pembuatan, atau algoritma yang lebih perlahan. Sistem yang dibangunkan di Newcastle dapat melalui proses ini dengan cepat untuk mengklasifikasikan objek dengan betul dalam 450 microseconds, atau sekitar 1/2000 satu saat. "Perbezaan utama adalah masa yang diperlukan untuk memberi genggaman dan melakukan tugas itu, " kata Ghazaei. "Bagi sesetengah daripada mereka kira-kira empat saat, dan sesetengah daripada mereka memerlukan beberapa gambar. Bagi kami, ia hanya satu petikan dan ia sangat cepat. "
Impak teknologi ini jauh melampaui mengambil barangan isi rumah. Sistem pengimejan boleh membantu kaki prostetik mengetahui sejauh mana mereka dari tanah, dan menyesuaikan dengan sewajarnya, contohnya. Apa yang kedua-duanya berlaku adalah sistem robot yang berfungsi bersama dengan otak.
"Idea utama adalah untuk melakukan interaksi antara peranti robotik dan manusia, sambil menambah beberapa kecerdasan ke dalam sistem robotik, " kata Dario Farina, seorang profesor kejuruteraan neurorehabilitasi di Imperial College London, yang mengendalikan kajian makmal neuromuscular untuk badan dan otak dan peranti yang mereka sambungkan.
"Ia bukan sahaja pesakit yang mengawal, dengan otaknya dan melalui antara muka saraf, prostesis, tetapi juga pesakit dibantu oleh entiti pintar yang kedua, yang dipasang pada prostesis dan yang dapat melihat alam sekitar, " kata Farnia, yang tidak terlibat dengan kajian Newcastle. "Cabaran utama dalam hal ini adalah untuk dapat berkongsi kawalan antara manusia dan sistem perisikan."
Ia adalah awal dari awal ke dalam penggabungan kecerdasan buatan dengan otak, mencontohi tindakan mana yang paling berkesan untuk setiap tanpa membuat konflik. Ghazaei menghadapi masalah ini; dia masih bekerja untuk menguruskan berapa banyak gerakan luas dikawal oleh komputer prostetik, berbanding tindakan pengguna. Sekarang, pengguna menunjukkan prostetik pada item itu, mendorongnya mengambil foto, dan kemudian lengannya memilih genggaman dan merebutnya.
Ia hanya satu daripada banyak cabaran yang tinggal. Pada masa ini, sistem tidak dapat memahami objek lama yang meluas. Ia mempunyai masalah dengan latar belakang yang penuh sesak. Kadang-kadang ia menafsirkan objek jauh lebih kecil, lebih dekat. Dan Ghazaei berkata peningkatan bilangan jenis genggaman ke 10 atau 12 adalah matlamat lain. Tetapi sudah, katanya, kedua-dua pengguna dalam perbicaraan menghargai peningkatan prestasi dan kesederhanaan itu meminjamkan kepada tindakan asas untuk mengambil sesuatu.
