Ketika Anda mengambil sesuatu, tangan Anda melakukan sebagian besar pekerjaan. Otak Anda hanya berkata, "Pergilah, Anda tidak khawatir tentang bagaimana hal itu terjadi." Tetapi dengan prostetik, bahkan yang paling canggih, tindakan itu membutuhkan lebih banyak intensionalitas. Akibatnya, banyak pasien meninggalkan anggota tubuh mereka yang canggih.
Konten terkait
- Bagaimana Peretasan Jaringan Saraf dapat Membantu Mengamputasi Celah Telur
- Mendapatkan Prosthetic itu Mudah, Dibandingkan dengan Mendapatkannya Untuk Melakukan Apa yang Anda Inginkan
Prostetik modern menerima perintah dalam bentuk sinyal listrik dari otot yang melekat padanya. Tetapi bahkan prostetik terbaik pun belum bisa berbuat banyak. Pengguna membutuhkan periode pelatihan yang lama untuk membiasakan diri dengan anggota gerak. Mereka sering kali hanya dapat bergerak dengan cara terbatas, dan pengguna perlu secara manual beralih di antara genggaman untuk menyelesaikan tugas yang berbeda — katakanlah, untuk membuka pintu versus jepit dan memutar kunci. Secara keseluruhan, ini berarti tangan tidak dapat bekerja secara mulus dengan otak.
Salah satu alat yang mungkin membantu menyelesaikan masalah ini adalah visi komputer. Para peneliti di Newcastle University memasang webcam pada tangan palsu, menghubungkannya ke jaringan saraf pembelajaran yang dalam, dan memberikan perangkat itu kepada dua orang yang diamputasi yang lengannya telah diamputasi di atas pergelangan tangan tetapi di bawah siku. Komputer menggunakan kamera untuk melihat apa yang dijangkau pengguna dan secara otomatis menyesuaikan cengkeraman prostetik itu.
Hasilnya sejauh ini menjanjikan. Dalam sebuah artikel di Journal of Neural Engineering, tim dari Newcastle melaporkan bahwa pengguna memiliki tingkat keberhasilan di atas 80 persen untuk mengambil dan memindahkan objek.
"Jika kita dapat meningkatkan itu, dapatkan seratus persen, akan jauh lebih dapat diandalkan untuk menggunakan tangan untuk orang yang diamputasi, " kata Ghazal Ghazaei, seorang mahasiswa PhD di Newcastle dan penulis utama makalah itu. "Jika itu akan menjadi digunakan dalam kehidupan nyata, itu harus tanpa kesalahan. "
Perangkat itu sendiri adalah prostetik buatan yang disebut i-limb ultra, dan webcam itu beresolusi rendah, Logitech Quickcam Chat yang murah. Inovasi nyata adalah bagaimana tim Ghazaei menyusun skema pembelajaran komputer untuk menggunakan informasi dari webcam.
Perangkat lunak mengenali pola-pola dalam bentuk objek yang akan diangkat dan mengklasifikasikannya ke dalam kategori berdasarkan cengkeraman yang dibutuhkan untuk menangkap mereka secara efektif. Untuk mengajarkan komputer teknik ini, Ghazaei mengumpankannya masing-masing 72 gambar, yang diambil secara bertahap 5 derajat, dari 500 objek. Perangkat lunak ini memfilter objek berdasarkan fitur-fiturnya, dan belajar melalui coba-coba mana yang termasuk dalam kategori apa.
Kemudian, ketika prostetik disajikan dengan suatu objek, jaringan mengklasifikasikan gambar beresolusi rendah berdasarkan bentuk abstraknya yang luas. Tidak perlu sesuatu yang dilihat sistem sebelumnya — bentuk umum objek sudah cukup untuk memberi tahu pegangan apa yang digunakan. Ghazaei dan tim menggunakan empat tipe pegangan, termasuk cubitan (dua jari), tripod (tiga ujung jari), palmar netral (seperti memegang cangkir kopi), dan palmar pronasi (tempat telapak tangan menghadap ke bawah).
Visi komputer telah digunakan pada tangan robot sebelumnya, baik dalam prosthetics dan robot industri. Tetapi upaya tersebut melibatkan objek ukuran dan bentuk standar, seperti di lingkungan manufaktur, atau algoritma yang lebih lambat. Sistem yang dikembangkan di Newcastle mampu melewati proses ini dengan cukup cepat untuk mengklasifikasikan objek dalam 450 mikrodetik dengan benar, atau sekitar 1/2000 detik. "Perbedaan utama adalah waktu yang diperlukan untuk memberikan pemahaman dan melakukan tugas, " kata Ghazaei. “Untuk beberapa dari mereka sekitar empat detik, dan beberapa dari mereka memerlukan beberapa snapshot. Bagi kami, ini hanya satu snapshot dan sangat cepat. ”
Dampak dari teknologi ini jauh melampaui mengambil barang-barang rumah tangga. Sistem pencitraan dapat membantu kaki palsu tahu seberapa jauh mereka dari tanah, dan menyesuaikannya, misalnya. Yang sama-sama memiliki kedua contoh adalah sistem robot yang bekerja bersama dengan otak.
"Gagasan utama adalah untuk memiliki interaksi antara perangkat robot dan manusia, menambahkan beberapa kecerdasan ke dalam sistem robot, " kata Dario Farina, seorang profesor teknik neurorehabilitasi di Imperial College London, yang labnya mempelajari antarmuka neuromuskuler untuk tubuh dan otak dan perangkat yang mereka hubungkan.
"Bukan hanya pasien yang mengontrol, dengan otaknya dan melalui antarmuka saraf, prostesis, tetapi juga pasien dibantu oleh entitas cerdas kedua, yang dipasang pada prostesis dan yang dapat melihat lingkungan, " kata Farnia, yang tidak terlibat dengan studi Newcastle. "Tantangan utama dalam hal ini adalah benar-benar untuk dapat berbagi kontrol antara manusia dan sistem intelijen."
Ini adalah jalan awal menuju penggabungan kecerdasan buatan dengan otak, menyaring tindakan mana yang paling baik untuk masing-masing tanpa menciptakan konflik. Ghazaei telah mengalami masalah ini; dia masih bekerja untuk mengatur seberapa besar gerakan luas dikendalikan oleh komputer palsu, dibandingkan tindakan pengguna. Saat ini, pengguna mengarahkan prostetik ke item, mendorongnya untuk mengambil foto, dan kemudian lengan memilih pegang dan meraih.
Itu hanya salah satu dari banyak tantangan yang tersisa. Saat ini, sistem tidak dapat memahami objek panjang yang tidak terlihat. Ini memiliki masalah dengan latar belakang yang ramai. Terkadang ia mengartikan objek yang lebih jauh sebagai yang lebih kecil, lebih dekat. Dan Ghazaei mengatakan meningkatkan jumlah jenis pegangan ke 10 atau 12 adalah tujuan lain. Tapi sudah, katanya, kedua pengguna dalam uji coba menghargai peningkatan kinerja dan kesederhanaan yang diberikannya pada tindakan dasar mengambil sesuatu.
