Оглавление

Исследователи из Университета штата Северная Каролина создали систему искусственного интеллекта для управления бионическими протезами рук, которая действует как интеллектуальный помощник или «второй пилот». Вместо простого следования командам, система анализирует мышечные сигналы пользователя и контекст, чтобы предсказать его намерение и автоматически выполнить часть действия. Например, если пользователь хочет взять чашку, система может завершить захват, как только рука приблизится к цели.

Проблема утомления и решение через прогнозирование

Традиционные протезы с миоэлектрическим управлением требуют от пользователя постоянного напряжения для поддержания хвата или выполнения сложных последовательностей движений. Это приводит к быстрой усталости и дискомфорту. Новая система, описанная в исследовании, опубликованном в журнале Cell Reports Medicine, призвана снизить эту когнитивную и физическую нагрузку.

Её ключевой элемент — алгоритм машинного обучения, который обучался на данных от семи человек с ампутациями верхних конечностей. Участники выполняли стандартные задачи, такие как захват и перемещение объектов различной формы и веса, в то время как система записывала сигналы от их остаточных мышц.

Как работает интеллектуальный помощник

Система состоит из двух основных компонентов:

  • Модуль классификации намерений: Анализирует электромиографические (ЭМГ) сигналы в реальном времени, чтобы определить, какое действие хочет выполнить пользователь (например, «захватить чашку»).
  • Модуль прогнозирования завершения действия: На основе контекста (положение руки, тип объекта) решает, когда автоматически завершить движение, например, закрыть пальцы протеза для надежного хвата.

В тестах система успешно завершала действия в среднем на 0,5 секунды быстрее, чем при полностью ручном управлении, при этом точность выполнения задач оставалась высокой. Пользователи отмечали, что взаимодействие с протезом стало более естественным и менее утомительным.

Это классический пример того, как машинное обучение переходит от распознавания паттернов к реальному ситуативному пониманию. Система не просто реагирует на команду «сжать», а интерпретирует цель «взять хрупкий стакан» и сама подбирает оптимальную силу. Технически изящно, но главный вызов — в адаптации: алгоритм, обученный на семи людях в лаборатории, должен будет одинаково хорошо работать на сотнях пользователей в их повседневной, неконтролируемой среде. Именно здесь обычно и спотыкаются многие медицинские ИИ-разработки.

Дорога к клиническому применению

Несмотря на обнадеживающие результаты, технология пока далека от коммерциализации. Исследователи подчеркивают необходимость более масштабных и длительных испытаний. Ключевые вопросы, которые предстоит решить:

  • Персонализация: Насколько система способна адаптироваться к уникальным мышечным паттернам нового пользователя?
  • Надежность: Как она поведет себя в непредсказуемых бытовых ситуациях?
  • Безопасность: Каковы риски ошибочного срабатывания, особенно при работе с хрупкими или опасными предметами?

Тем не менее, работа указывает на четкий вектор развития: будущее бионики лежит не в создании более сложных механизмов, а в разработке более умного и интуитивного интерфейса между человеком и машиной. Следующим логичным шагом станет интеграция подобных алгоритмов «второго пилота» не только в протезы, но и в экзоскелеты и другие ассистивные устройства.

Источник новости: Ars Technica