નવી ન્યુરોપ્રોસ્થેટિક એઆઈ રોબોટિક્સ સફળતા છે
સ્વિટ્ઝર્લ inન્ડમાં EPFL (olecole polytechnique fédérale de Lausanne) ના વૈજ્ાનિકોએ રોબોટિક હેન્ડ કંટ્રોલ માટે વિશ્વની પ્રથમ રચનાની જાહેરાત કરી છે - ન્યુરોપ્રોસ્થેટિકનો એક નવો પ્રકાર જે માનવ નિયંત્રણને આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) ઓટોમેશન સાથે વધારે રોબોટ નિપુણતા માટે એક કરે છે અને તેમના સંશોધનને પ્રકાશિત કરે છે. સપ્ટેમ્બર 2019 માં કુદરત મશીન બુદ્ધિ .
ન્યુરોપ્રોસ્થેટિક્સ (ન્યુરલ પ્રોસ્થેટિક્સ) કૃત્રિમ ઉપકરણો છે જે મોટર કુશળતા, સમજશક્તિ, દ્રષ્ટિ, સુનાવણી, સંદેશાવ્યવહાર અથવા સંવેદનાત્મક કુશળતાને અસર કરતી ખામીઓની ભરપાઈ માટે વિદ્યુત ઉત્તેજના દ્વારા નર્વસ સિસ્ટમને ઉત્તેજીત કરે છે અથવા વધારે છે. ન્યુરોપ્રોસ્થેટિક્સના ઉદાહરણોમાં મગજ-કમ્પ્યુટર ઇન્ટરફેસ (BCIs), deepંડા મગજ ઉત્તેજના, કરોડરજ્જુ ઉત્તેજક (SCS), મૂત્રાશય નિયંત્રણ પ્રત્યારોપણ, કોક્લીયર પ્રત્યારોપણ અને કાર્ડિયાક પેસમેકરનો સમાવેશ થાય છે.
ગ્લોબલ માર્કેટ ઇનસાઇટના ઓગસ્ટ 2019 ના રિપોર્ટના આંકડા મુજબ, વિશ્વવ્યાપી ઉપલા અંગ પ્રોસ્થેટિક્સનું મૂલ્ય 2025 સુધીમાં 2.3 અબજ ડોલરથી વધી જવાની ધારણા છે. 2018 માં, વિશ્વવ્યાપી બજાર મૂલ્ય સમાન અહેવાલના આધારે એક અબજ યુએસડી સુધી પહોંચી ગયું. નેશનલ લિમ્બ લોસ ઇન્ફોર્મેશન સેન્ટરના જણાવ્યા અનુસાર અંદાજિત બે મિલિયન અમેરિકનો અંગવિચ્છેદન છે, અને વાર્ષિક 185,000 થી વધુ અંગવિચ્છેદન થાય છે. રિપોર્ટ અનુસાર, વેસ્ક્યુલર ડિસીઝ યુ.એસ. કાપવાના 82 ટકા છે.
મ્યોઇલેક્ટ્રિક પ્રોસ્થેસિસનો ઉપયોગ શરીરના અંગોને બાહ્ય રીતે સંચાલિત કૃત્રિમ અંગ સાથે બદલવા માટે થાય છે જે વપરાશકર્તાના હાલના સ્નાયુઓ દ્વારા સક્રિય થાય છે. ઇપીએફએલ સંશોધન ટીમ અનુસાર, આજે ઉપલબ્ધ વ્યાપારી ઉપકરણો વપરાશકર્તાઓને ઉચ્ચ સ્તરની સ્વાયત્તતા આપી શકે છે, પરંતુ કુશળતા અખંડ માનવ હાથ જેટલી ચપળ ક્યાંય નથી.
"વ્યાપારી ઉપકરણો સામાન્ય રીતે એક જ સ્વતંત્રતાને નિયંત્રિત કરવા માટે બે-રેકોર્ડિંગ-ચેનલ સિસ્ટમનો ઉપયોગ કરે છે; એટલે કે, એક SEMG ચેનલ ફ્લેક્સન માટે અને એક એક્સટેન્શન માટે, ”EPFL સંશોધકોએ તેમના અભ્યાસમાં લખ્યું. “સાહજિક હોવા છતાં, સિસ્ટમ થોડી કુશળતા પૂરી પાડે છે. લોકો oeંચા દરે માયોઇલેક્ટ્રિક કૃત્રિમ અંગનો ત્યાગ કરે છે, કારણ કે તેમને લાગે છે કે નિયંત્રણનું સ્તર આ ઉપકરણોની કિંમત અને જટિલતાને લાયક બનાવવા માટે અપૂરતું છે.
મ્યોઇલેક્ટ્રિક પ્રોસ્થેસીસ સાથે દક્ષતાની સમસ્યાને ઉકેલવા માટે, ઇપીએફએલ સંશોધકોએ ન્યુરોઇન્જિનિયરિંગ, રોબોટિક્સ અને આર્ટિફિશિયલ ઇન્ટેલિજન્સના વૈજ્ scientificાનિક ક્ષેત્રોને જોડીને "શેર કરેલ" માટે મોટર કમાન્ડના એક ભાગને અર્ધ-સ્વચાલિત કરવા માટે આ પુરાવા-ખ્યાલ અભ્યાસ માટે આંતરશાખાકીય અભિગમ અપનાવ્યો. નિયંત્રણ. "
સિલ્વેસ્ટ્રો માઇસેરા, ઇપીએફએલના બર્ટારેલી ફાઉન્ડેશન ચેરમેન ટ્રાન્સલેશન ન્યુરોઇન્જિનિયરિંગમાં અને ઇટાલીના સ્કુઓલા સુપરિઓર સંત'નામાં બાયોઇલેક્ટ્રોનિક્સના પ્રોફેસર, રોબોટિક હાથને નિયંત્રિત કરવા માટે આ વહેંચાયેલ અભિગમ મગજ જેવા વિશાળ શ્રેણીના ન્યુરોપ્રોસ્ટેટિક હેતુઓ માટે ક્લિનિકલ અસર અને ઉપયોગિતાને સુધારી શકે છે. -થી-મશીન ઇન્ટરફેસ (BMIs) અને બાયોનિક હાથ.
સંશોધકોએ લખ્યું, "વ્યાપારી કૃત્રિમ અંગો પ્રમાણસરની જગ્યાએ ક્લાસિફાયર-આધારિત ડીકોડરનો વધુ ઉપયોગ કરે છે તેનું એક કારણ એ છે કે વર્ગીકરણ કરનાર ચોક્કસ મુદ્રામાં વધુ મજબૂત રીતે રહે છે." "પકડવા માટે, આ પ્રકારનું નિયંત્રણ આકસ્મિક રીતે પડતું અટકાવવા માટે આદર્શ છે પરંતુ હાથની મુદ્રાઓની સંખ્યાને મર્યાદિત કરીને વપરાશકર્તા એજન્સીને બલિદાન આપે છે. વહેંચાયેલ નિયંત્રણનો અમારો અમલ વપરાશકર્તા એજન્સી અને મજબુતતાને પકડવાની મંજૂરી આપે છે. ખાલી જગ્યામાં, વપરાશકર્તા હાથની હિલચાલ પર સંપૂર્ણ નિયંત્રણ ધરાવે છે, જે પકડવા માટે સ્વૈચ્છિક પૂર્વ-આકારની પણ મંજૂરી આપે છે.
આ અભ્યાસમાં, EPFL સંશોધકોએ સોફ્ટવેર અલ્ગોરિધમની ડિઝાઇન પર ધ્યાન કેન્દ્રિત કર્યું - રોબોટિક હાર્ડવેર જે બાહ્ય પક્ષો દ્વારા આપવામાં આવ્યું હતું તેમાં KUKA IIWA 7 રોબોટ, ઓપ્ટીટ્રેક કેમેરા સિસ્ટમ અને TEKSCAN પ્રેશર સેન્સર પર લગાવેલા એલેગ્રો હેન્ડનો સમાવેશ થાય છે.
ઇપીએફએલના વૈજ્ાનિકોએ કૃત્રિમ હાથ પર આંગળીઓની હિલચાલમાં અનુવાદ કરવા માટે વપરાશકર્તાના ઇરાદાનું અર્થઘટન કેવી રીતે કરવું તે જાણવા માટે મલ્ટિલેયર પર્સેપ્ટ્રોન (એમએલપી) બનાવીને કાઇનેમેટિક પ્રમાણસર ડીકોડર બનાવ્યું. મલ્ટિલેયર પર્સેપ્ટ્રોન એક ફીડફોરવર્ડ કૃત્રિમ ન્યુરલ નેટવર્ક છે જે બેકપ્રોપેગેશનનો ઉપયોગ કરે છે. એમએલપી એક learningંડી શીખવાની પદ્ધતિ છે જ્યાં માહિતી એક દિશામાં આગળ વધે છે, વિપરીત કૃત્રિમ ન્યુરલ નેટવર્ક દ્વારા ચક્ર અથવા લૂપમાં.
અલ્ગોરિધમ હાથની હલનચલન શ્રેણીબદ્ધ કરતા વપરાશકર્તા પાસેથી ઇનપુટ ડેટા દ્વારા તાલીમ આપવામાં આવે છે. ઝડપી કન્વર્જન્સ સમય માટે, લેવેનબર્ગ -માર્ક્વાર્ડ પદ્ધતિનો ઉપયોગ weightાળ વંશના બદલે નેટવર્ક વજનને ફિટ કરવા માટે કરવામાં આવ્યો હતો. સંપૂર્ણ-મોડેલ તાલીમ પ્રક્રિયા ઝડપી હતી અને દરેક વિષયો માટે 10 મિનિટથી ઓછો સમય લીધો હતો, જે ક્લિનિકલ-ઉપયોગના દ્રષ્ટિકોણથી અલ્ગોરિધમને વ્યવહારુ બનાવે છે.
સંશોધન અભ્યાસના પ્રથમ લેખક ઇપીએફએલ ટ્રાન્સલેશન ન્યુરલ એન્જિનિયરિંગ લેબમાં કેટી ઝુઆંગે જણાવ્યું હતું કે, "એક અંગત વ્યક્તિ માટે, આપણી આંગળીઓ ખસેડવાની બધી રીતોને નિયંત્રિત કરવાની ઘણી બધી, વિવિધ રીતે સ્નાયુઓને સંકુચિત કરવી ખૂબ જ મુશ્કેલ છે." . "અમે શું કરીએ છીએ કે અમે આ સેન્સરને તેમના બાકીના સ્ટમ્પ પર મૂકીએ છીએ, અને પછી તેમને રેકોર્ડ કરીએ છીએ અને ચળવળના સંકેતો શું છે તેનું અર્થઘટન કરવાનો પ્રયાસ કરીએ છીએ. કારણ કે આ સંકેતો થોડો ઘોંઘાટીયા હોઈ શકે છે, અમને આ મશીન લર્નિંગ અલ્ગોરિધમની જરૂર છે જે તે સ્નાયુઓમાંથી અર્થપૂર્ણ પ્રવૃત્તિ કા extractે છે અને તેમને હલનચલનમાં અર્થઘટન કરે છે. અને આ હલનચલન રોબોટિક હાથની દરેક આંગળીને નિયંત્રિત કરે છે.
કારણ કે આંગળીની હિલચાલની મશીનની આગાહીઓ 100 ટકા સચોટ ન હોઈ શકે, EPFL સંશોધકોએ કૃત્રિમ હાથને સક્ષમ કરવા અને પ્રારંભિક સંપર્ક કર્યા પછી objectબ્જેક્ટની આસપાસ આપમેળે બંધ થવાનું શરૂ કરવા માટે રોબોટિક ઓટોમેશનનો સમાવેશ કર્યો. જો વપરાશકર્તા objectબ્જેક્ટને છોડવા માંગે છે, તો તેણે રોબોટિક કંટ્રોલર બંધ કરવા માટે હાથ ખોલવાનો પ્રયાસ કરવો અને વપરાશકર્તાને હાથના નિયંત્રણમાં પાછો મૂકવો.
ઈપીએફએલની લર્નિંગ એલ્ગોરિધમ્સ અને સિસ્ટમ્સ લેબોરેટરીનું નેતૃત્વ કરનારા udeડ બિલાર્ડના જણાવ્યા અનુસાર, રોબોટિક હાથ 400 મિલિસેકન્ડમાં પ્રતિક્રિયા આપી શકે છે. બિલાર્ડે કહ્યું, "આંગળીઓ પર પ્રેશર સેન્સરથી સજ્જ, તે વસ્તુને પ્રતિક્રિયા આપી શકે છે અને સ્થિર કરી શકે છે તે પહેલાં મગજ ખરેખર સમજી શકે છે કે પદાર્થ લપસી રહ્યો છે."
ન્યુરો એન્જિનિયરિંગ અને રોબોટિક્સમાં કૃત્રિમ બુદ્ધિનો ઉપયોગ કરીને, ઇપીએફએલ વૈજ્ાનિકોએ મશીન અને વપરાશકર્તા હેતુ વચ્ચે વહેંચાયેલ નિયંત્રણનો નવો અભિગમ દર્શાવ્યો છે - ન્યુરોપ્રોસ્ટેટિક ટેકનોલોજીમાં પ્રગતિ.
ક Copyપિરાઇટ 2019 Cami Rosso બધા અધિકારો અનામત છે.