כשאתה תופס משהו היד שלך עושה את רוב העבודה. המוח שלך פשוט אומר, "לך, אתה לא דואג איך זה קורה." אבל עם תותב, אפילו המתקדם ביותר, פעולה זו דורשת הרבה יותר כוונות. כתוצאה מכך, חולים רבים נוטשים את איבריהם החדישים.
תוכן קשור
- כיצד פריצות רשתות עצביות יכולות לעזור לקובעי מוחל לפצח ביצה ללא דופי
- קבלת תותב זה קל, בהשוואה להכנת זה לעשות מה שאתה רוצה
תותבות מודרניות מקבלות פקודות בצורה של אותות חשמליים מהשרירים שאליהם הם מחוברים. אבל אפילו מיטב התותבים עדיין לא יכול לעשות הרבה. משתמשים זקוקים לתקופת אימונים ארוכה כדי להתרגל לגפה. לעתים קרובות הם יכולים לנוע בדרכים מוגבלות, והמשתמשים צריכים לעבור ידנית בין אחיזות כדי לבצע משימות שונות - נניח, לפתוח דלת מול צביטה ולהפוך מפתח. בסך הכל זה אומר שהיד לא יכולה לעבוד בצורה חלקה עם המוח.
כלי אחד שעשוי לעזור בפתרון בעיה זו הוא ראיית מחשב. חוקרים מאוניברסיטת ניוקאסל הרכיבו מצלמת רשת על יד תותבת, חיברו אותה לרשת עצבית למידה עמוקה, ונתנו את המכשירים לשני אמפוטים שזרועותיהם היו קטועות מעל פרק כף היד אך מתחת למרפק. המחשב השתמש במצלמה בכדי לראות את מה שהמשתמש פנה אליו והתאמה אוטומטית של אחיזתו של התותב.
התוצאות עד כה היו מבטיחות. במאמר שפורסם בכתב העת Journal of Neural Engineering, הצוות מניוקאסל דיווח כי המשתמשים היו בעלי אחוזי הצלחה מעל 80 אחוזים עבור איסוף והעברת חפצים.
"אם נוכל לשפר את זה, נקבל מאה אחוז, זה יהיה הרבה יותר אמין להשתמש ביד עבור החתולים", אומר Ghazal Ghazaei, סטודנט לתואר שלישי בניוקאסל והמחבר הראשי של העיתון. "אם זה יהיה בשימוש בחיים האמיתיים, זה אמור להיות ללא שגיאה.
המכשיר עצמו היה תותב מהמדף שנקרא אולטרה-איבר-הגפיים, וה מצלמת הרשת הייתה צ'אט של Logitech Quickcam ברזולוציה נמוכה וזולה. החידוש האמיתי היה כיצד הצוות של Ghazaei תכנן תוכנית לימוד מחשבים כדי להשתמש במידע מהמצלמת הרשת.
התוכנה מזהה דפוסים בצורת האובייקט אותו יש להרים ומסווגת אותם לקטגוריות על בסיס האחיזה הדרושה בכדי לתפוס אותם ביעילות. כדי ללמד את המחשב טכניקה זו, Ghazaei הזין אותו 72 תמונות כל אחת, שצולמו במרווחים של 5 מעלות, של 500 עצמים. התוכנה מסננת את האובייקטים לפי התכונות שלהם, ולומדת דרך ניסוי וטעייה אילו מהם נכללים באילו קטגוריות.
ואז, כאשר בפני התותב מוצג אובייקט, הרשת מסווגת את התמונה ברזולוציה נמוכה על בסיס צורתה הרחבה והמופשטת. זה לא צריך להיות משהו שהמערכת ראתה בעבר - הצורה הכללית של האובייקט מספיקה כדי לומר ליד באיזה אחיזה להשתמש. Ghazaei והצוות השתמשו בארבעה סוגים של אחיזה, כולל קמצוץ (שתי אצבעות), חצובה (שלוש קצות אצבעות), פלמר נייטרלי (כמו אחיזה בכוס קפה) ופלאמר מוגן (שם כף היד פונה כלפי מטה).
ראיית מחשבים שימשה בעבר בידיים רובוטיות, הן בתחום התותבות והן ברובוטים תעשייתיים. אך מאמצים כאלה היו כרוכים באובייקטים בגודל ובצורה סטנדרטיים, כמו בסביבת ייצור, או באלגוריתמים איטיים יותר. המערכת שפותחה בניוקאסל הצליחה לעבור את התהליך הזה מספיק מהר כדי לסווג נכון את האובייקטים ב -450 מיקרו שניות, או בערך 1/2000 ה ' לשנייה. "ההבדל העיקרי הוא הזמן שנדרש כדי להבין את המשימה ולבצע את המשימה", אומר Ghazaei. "עבור חלקם מדובר בערך ארבע שניות, וחלקם זקוקים למספר תצלומי תצלום. עבורנו זו רק תמונת מצב אחת וזה מהיר מאוד. "
ההשפעות של טכנולוגיה זו עוברות הרבה מעבר לאיסוף פריטי בית. מערכות הדמיה יכולות לעזור לרגליים תותבות לדעת כמה רחוק הן מהקרקע, ולהתאים אותן, למשל. המשותף לשני המקרים הוא מערכת רובוטית הפועלת בשילוב עם המוח.
"הרעיון המרכזי הוא לקיים אינטראקציה בין המכשיר הרובוטי לאנושי, להוסיף מעט אינטליגנציה למערכת הרובוטית", אומר דריו פרינה, פרופסור להנדסת שיקום עצבי במכללת האימפריאל לונדון, שהמעבדה שלו חוקרת ממשקים עצביים-שריריםיים לגופים ומוחות, המכשירים אליהם הם מתחברים.
"לא רק המטופל הוא השולט, בעזרת מוחו ודרך הממשק העצבי, על התותבת, אלא שהוא גם נעזר על ידי ישות אינטליגנטית שנייה, שמורכבת על התותבת ויכולה לראות את הסביבה, " אומרת פרניה, שלא הייתה מעורבת במחקר הניוקאסל, "האתגר העיקרי בכך הוא באמת להיות מסוגל לחלוק את השליטה בין האדם למערכת הביון."
זהו דרך מוקדמת להתמזגות של אינטליגנציה מלאכותית עם המוח, תוך השלכה על הפעולות המתאימות ביותר לכל אחת מבלי ליצור קונפליקט. Ghazaei נתקל בבעיה זו; היא עדיין עובדת כדי לנהל כמה מהתנועה הרחבה נשלטת על ידי מחשב התותב, לעומת פעולות המשתמש. כרגע המשתמש מכוון את התותב אל הפריט, גורם לו לצלם ואז הזרוע בוחרת את האחיזה ותופס.
זה רק אחד מאתגרים רבים שנותרו. נכון לעכשיו, המערכת אינה יכולה להבין אובייקטים ארוכים הנמשכים מחוץ לתצוגה. יש לו בעיות ברקעים צפופים. לפעמים זה מפרש אובייקט רחוק יותר כאובייקט קטן יותר, קרוב יותר. Ghazaei אומר שהגדלת מספר סוגי התפיסה ל 10 או 12 היא יעד נוסף. אך כבר, לדבריה, שני המשתמשים בניסוי העריכו את העלייה בביצועים ואת הפשטות שהיא מעניקה לאקט הבסיסי להרים משהו.
