[ad_1]

Un algoritmo de aprendizaje automático y un brazo robótico podrían ayudar a los pacientes tetrapléjicos a realizar más actividades cotidianas.
Un brazo robótico, un algoritmo de aprendizaje automático y una interfaz cerebro-computadora se han combinado para crear un medio para ayudar a los pacientes tetrapléjicos (aquellos que no pueden mover la parte superior o inferior del cuerpo) a interactuar con su mundo. Si bien esta no es la primera vez que se usa una interfaz cerebral para controlar un robot, ha llevado la tecnología un paso más allá al estimar y comprender las señales cerebrales sin la intervención del paciente.
Esta investigación fue completada por investigadores del Instituto Federal Suizo de Tecnología de Lausana (EPFL). La profesora Aude Billard, directora del Laboratorio de Algoritmos y Sistemas de Aprendizaje de la EPFL, y José del R. Millán, anteriormente director del Laboratorio de Interfaz Cerebro-Máquina de la EPFL, trabajaron juntos para crear un programa informático que puede controlar un robot utilizando señales eléctricas del cerebro de un paciente. .
La actividad cerebral del paciente fue monitoreada por una gorra EEG, que escanea de manera efectiva la actividad eléctrica dentro de su cabeza. Estas ondas cerebrales luego se enviarían a través de una computadora para ser interpretadas por el algoritmo de aprendizaje automático. El algoritmo traduce las señales del cerebro cuando el paciente nota un error, infiriendo automáticamente cuando al cerebro no le gusta una determinada acción.
En la investigación del equipo, utilizaron el brazo robótico con un vaso. El brazo se movería hacia el cristal y el cerebro del paciente decidiría si lo sentía demasiado cerca o demasiado lejos. El proceso se repite hasta que el robot comprende la ruta óptima para la preferencia del individuo: no demasiado cerca como para ser un riesgo, pero no tan lejos como para desperdiciar el movimiento.
“Las señales cerebrales que estamos grabando nunca serán las mismas. Tenemos una variabilidad en el tiempo y esto es natural. ¿Por qué? Porque si muevo la mano, el cerebro no solo se enfoca en eso, el cerebro está procesando muchas otras cosas”, dijo Millán. “Entonces, el hecho de que exista esta variabilidad significa que nuestro decodificador nunca será 100% preciso.“

Sin embargo, a través del algoritmo de aprendizaje automático utilizado en esta investigación, el robot puede comprender mejor la variabilidad para predecir las señales cerebrales en ciertas situaciones. Por ejemplo, la preferencia de distancia al pasar frente a un cristal o, en una circunstancia práctica, qué tan cerca está dispuesto a estar un paciente tetrapléjico en silla de ruedas de otras personas en la calle.
La implementación del algoritmo en una silla de ruedas es un ejemplo de hacia dónde podría ir la tecnología en el futuro. Esto permitiría a las personas en silla de ruedas tener un mayor control sobre sus movimientos, velocidades y seguridad en general. El algoritmo podría interpretar las señales cerebrales para comprender la preferencia de velocidad de un usuario, la distancia a la que está feliz de estar de los obstáculos y las personas e incluso el nivel de riesgo que está dispuesto a asumir en ciertas circunstancias, por ejemplo, si llega tarde o está ocupado.
“Es interesante usar este algoritmo sobre el uso del habla, por ejemplo, porque hay cosas que necesariamente no se pueden articular fácilmente”, dijo Billard. “Es posible que una persona común no pueda articular que no le gusta la aceleración de una silla de ruedas, por ejemplo. . ¿Qué es lo que no te gusta exactamente? ¿Cómo se traduce eso en un parámetro de control después?”
Aquí es donde la tecnología se destaca de otras ayudas para discapacitados disponibles. Al permitir que el algoritmo comprenda las señales de su cerebro, puede interpretar sentimientos exactos que un individuo no podría explicar por sí mismo. Sin embargo, esto requiere consistencia en el tiempo del algoritmo y que la detección haya resultado estadísticamente significativa.
Sin esa consistencia, el algoritmo podría fallar en situaciones de la vida real. Si, por ejemplo, alguien conducía una silla de ruedas en una multitud y se adelantaba en una discusión, la persona podría generar un error que no tiene nada que ver con la experiencia de conducción.
Lee mas:
- Robots vivos que son capaces de autorreplicarse creados en laboratorio de EE. UU.
- ¿Qué es la inteligencia artificial?
- Neuroplasticidad: un neurólogo explica cómo el cerebro se recupera de una lesión