Nově vyvinuté rozhraní Brain-Computer Interface (BCI) švýcarských výzkumníků z Lausanne nabízí intuitivní prostředky pro ovládání takových asistenčních robotických manipulátorů.
Lidé s poraněním míchy (Spinal Cord Injury, SCI) musí žít s trvalými neurologickými deficity a s těžkými motorickými postiženími. Ta zhoršují jejich schopnost vykonávat i ty nejjednodušší každodenní úkony, jako je dosahování a uchopování předmětů. Pacientům ale mohou pomoci roboti, kteří nahradí část jejich ztracené obratnosti tím, že umožní robotickému systému, aby tento úkol provedl za ně. A v případech, kdy zbytkové svalové schopnosti nejsou dostatečně spolehlivé, je už dnes možné zajistit ovládání takového asistenčního robotického systému prostřednictvím nového rozhraní mozek–počítač (BCI).
K tomu, aby se tetraplegičtí pacienti (tedy ti, kteří nemohou hýbat horní nebo dolní částí těla) mohli začít fyzicky sžívat s okolím, byly zkombinovány technologie, jako jsou robotické rameno, algoritmus strojového učení a rozhraní mozek vs. počítač. A i když to není poprvé, kdy bylo k ovládání robota použito mozkové rozhraní, technologie se posunula zase o krok dále. Nyní už odhadla a pochopila mozkové signály bez přímého vstupu pacienta. Tento výzkum dokončili vědci ze Švýcarského federálního technologického institutu Lausanne (EPFL). Ti spolupracovali na vytvoření počítačového programu, který dokáže ovládat robota pomocí elektrických signálů z pacientova mozku.
Jak to vlastně celé funguje
Mozková aktivita pacienta je monitorována pomocí EEG čepice. | Zdroj: Swiss Federal Institute of Technology Lausanne
Výzkumníci použili algoritmus strojového učení k interpretaci signálů získaných z pacientova mozku a z jejich převodu do jazyka robotické paže. Mozková aktivita pacienta je monitorována pomocí EEG čepice, která je schopna efektivně snímat elektrickou aktivitu uvnitř pacientovy hlavy. Nasnímané mozkové vlny jsou pak dále zpracovány algoritmem strojového učení. Algoritmus sleduje mozkové signály a když si pacient všimne nějaké chyby v ovládání, automaticky odvodí, že se mozku určitá akce nelíbí.
V reálném prostředí, kdy se pacient chce pomocí robotické paže pohybovat poblíž skleničky s vodou, by to mohlo vypadat asi takto. Paže se posunuje směrem ke sklu a mozek pacienta se třeba rozhodl, že cítí, že je příliš blízko nebo příliš daleko. Proces umísťování paže vůči sklenici se pak opakuje tak dlouho, dokud robot nepochopí optimální trasu pro individuální pacientovy preference. Tedy ne příliš blízko, aby to bylo riziko, ale ne zas tak daleko, aby to celý úkon zmařilo.
Vědci se v řešení museli vypořádat s přirozenou proměnlivostí mozkových signálů v čase
Tok dat a informací pro trénování robota. | Zdroj: Swiss Federal Institute of Technology Lausanne
Signály mozku, které EEG zaznamenává, totiž nikdy nejsou stejné. Vedle toho, že mozek hýbe rukou, zpracovává ještě spoustu dalších věcí. Vědci se tedy díky tomu museli smířit s tím, že jejich algoritmus nebude nikdy 100% přesný. Na druhou stranu díky strojovému učení, které je v řídícím systému robota zabudováno, může robot lépe porozumět variabilitě ekosystému a mozkové signály v určitých situacích předvídat. Například individuálně preferované vzdálenosti při pohybu paže kolem sklenice nebo v praxi to, jak blízko je tetraplegický pacient na invalidním vozíku ochoten dostat se k ostatním lidem na ulici.
V budoucnu by tedy technologie mohla být dokonce zabudována do invalidního vozíku. To by lidem na invalidním vozíku umožnilo mít větší kontrolu nad svými pohyby, rychlostí a celkovou bezpečností. Algoritmus by mohl interpretovat mozkové signály tak, aby pochopil, jakou uživatel preferuje rychlost nebo vzdálenost od překážek a lidí. Dokonce i individuální preferenci rizika při takovém pohybu vozíku, který je invalidní osoba ještě ochotna v různých situacích akceptovat. Je také zajímavé upřednostnit používání tohoto algoritmu před hlasovým ovládáním, protože je řada pocitových faktorů, které se nedají řečí snadno vyjádřit.
A zde je právě unikátní prostor, kde technologie významně vyčnívá z ostatních dostupných pomůcek pro osoby se zdravotním postižením. Tím, že algoritmus porozumí signálům z pacientova mozku, dokáže interpretovat přesné pocity, které si jednotlivec nedokáže sám vysvětlit.
