Учёные из Московского физико-технического института (МФТИ) разработали модель, позволяющую прогнозировать траектории движения руки на основе сигналов, снимаемых с поверхности коры головного мозга. При прогнозировании используются линейные модели. По сравнению с нейросетевыми моделями, они требуют от процессора меньших объёмов памяти и вычислений, что даёт возможность совместить процессор с датчиком и расположить его непосредственно в черепной коробке. Этот шаг приближает возможность создания полноценного экзоскелета для потерявших возможность самостоятельно передвигаться людей. Работа опубликована в Expert Systems with Applications, ведущем журнале в области искусственного интеллекта.
При повреждении спинного мозга сигналы головного мозга, управляющие движением конечностей, не доходят до мышц. Человек теряет возможность самостоятельно двигаться. В таком случае приходится снимать сигналы головного мозга, декодировать их, прогнозируя движение конечностей, и передавать управление на экзоскелет. Для управления таким экзоскелетом человеку нужно всего лишь представлять себе естественное движение своих конечностей.
Для лучшего качества снимаемого сигнала считывающий датчик устанавливается непосредственно на поверхность коры головного мозга. Однако устройство нагревается в процессе работы, что становится серьёзной проблемой, когда оно находится на поверхности головного мозга. То есть, вычислительная мощность прибора оказывается ограничена его температурой в процессе работы.
Но мало получать адекватные сигналы головного мозга. Нужно ещё и научить искусственные конечности выполнять соответствующие этим сигналам действия. Для этого необходимо спрогнозировать ожидаемые движения конечностей по сигналам электрокортикограммы — решением этой проблемы применительно к экзоскелету руки и занимается группа учёных из МФТИ под руководством Вадима Стрижова.
«В своей работе для прогнозирования траектории движения конечности мы обратились к линейной алгебре. Мы предпочли линейные модели нейросетям, поскольку параметры линейной модели оптимизируются за существенно меньшее число операций. Это соответствует ограничениям, которые накладывают невысокая производительность и малая память устройства. Мы решали задачу построения такой модели, которая была бы проста: имела бы относительно небольшое число параметров, устойчива: при незначительном изменении параметров качество прогноза существенно не меняется, и точна: прогнозируемое движения конечности должно адекватно приближать естественное физическое. Поэтому мы прогнозируем траекторию движения конечностей как линейную комбинацию признаковых описаний электрокортикограммы», — рассказывает главный научный сотрудник Лаборатории машинного интеллекта МФТИ Вадим Стрижов.
В скором времени группа Вадима Стрижова возьмётся за задачу, связанную с проблемой описания траектории движения конечностей в условиях изменчивости структуры головного мозга.
«Двигаясь и получая отклики от окружающей среды, человек учится. Структура его мозга изменяется. Появляются новые связи, модель устаревает. Мы должны предложить такую модель, которая изменяет свою структуру согласно изменениям структуры головного мозга. Это нетривиальная задача, мы работаем над её решением», — делится планами Вадим Стрижов.
