Maschinelles Lernen greift nach Fingern, Händen und Ellbogen für verbesserte Roboter-Therapie
Schlaganfälle und Rückenmarksverletzungen führen jedes Jahr bei Millionen von Menschen rund um den Globus zu Behinderungen, mit nur geringen Heilungschancen. Aufgrund von begrenztem Wissen über die Interaktion der Rehabilitationsgeräte mit dem menschlichen Körper ist die heutige robotergestützte Therapie leider nicht so effektiv, wie sie sein könnte. „Die Vorhersage des Ergebnisses einer robotischen Therapie würde uns in die Lage versetzen, sie für die Betroffenen individuell zu optimieren und eine wirklich personalisierte und kosteneffiziente Behandlung anzubieten“, erklärt der Forscher Prof. Massimo Sartori in einer Pressemitteilung auf der Website der Universität Twente in den Niederlanden. Prof. Sartori leitet das Labor für neuromechanische Modellierung und Konstruktion der Universität, dessen Team zusammen mit Wissenschaftlerinnen und Wissenschaftlern des Meta KI Forschungslabors in den Vereinigten Staaten ein quelloffenes Framework namens MyoSuite entwickelt hat. MyoSuite wurde mit teilweiser Unterstützung der EU-finanzierten Projekte INTERACT und SOPHIA entwickelt und wendet maschinelles Lernen auf biomechanische Steuerungsprobleme an, indem es motorische und neuronale Intelligenz miteinander verbindet.
Das Ende langwieriger Experimente am Menschen
Die Plattform beruht auf einer Sammlung von Aktivitäten und Umgebungen des Bewegungsapparats, die mit einer quelloffenen Physik-Engine simuliert werden. Sie besteht aus drei Modellen: Finger, Ellbogen und Hand. Mit Hilfe dieser Modelle haben die Forschenden eine Vielzahl von Aufgaben entworfen, die von einfachen Greifbewegungen bis hin zu kontaktreichen Bewegungen wie dem Drehen von Stiften oder von Baoding-Bällen reichen. „Die KI-gesteuerten digitalen Modelle in MyoSuite können lernen, komplexe Bewegungen und Interaktionen mit Hilfsrobotern auszuführen, die andernfalls langwierige Experimente mit echten menschlichen Versuchspersonen erfordern würden“, heißt es in der Meldung. MyoSuite ermöglicht die Co-Simulation von KI-gesteuerten muskuloskelettalen Systemen, die physisch mit Hilfsrobotern interagieren. Biologische Phänomene wie Muskelermüdung und Sarkopenie können damit simuliert werden. So lässt sich herausfinden, wie Hilfsroboter entwickelt werden könnten, um bei Menschen mit einer Behinderung die Bewegungsfähigkeit wiederherzustellen. „Dies alles wird dadurch erreicht, dass modernste Muskel-Skelett-Modellierung mit modernster künstlicher Intelligenz für die Bewegungsverhaltens-Synthese kombiniert wird“, erklärt Prof. Sartori. Wie in der Nachricht berichtet, teilte Meta-Geschäftsführer Mark Zuckerberg einen Beitrag in den sozialen Medien, in dem er MyoSuite vorstellte: „Das Meta KI-Team hat eine neue KI-Plattform namens MyoSuite entwickelt. Sie erstellt realistische Muskel-Skelett-Simulationen, die bis zu 4.000-mal schneller laufen als aktuelle Lösungen. Wir können diese Modelle trainieren, um komplexe Bewegungen wie das Drehen eines Stifts oder eines Schlüssels auszuführen. Diese Forschung könnte die Entwicklung von Prothesen, Rehabilitationsinstrumenten und Operationstechniken beschleunigen. … Wir werden diese Modelle mit offenem Quellcode zur Verfügung stellen, damit Forschende sie nutzen und das Gebiet weiter vorantreiben können.“ Die mit Unterstützung von INTERACT (Modelling the neuromusculoskeletal system across spatiotemporal scales for a new paradigm of human-machine motor interaction) und SOPHIA (Socio-physical Interaction Skills for Cooperative Human-Robot Systems in Agile Production) entwickelte Plattform könnte dazu beitragen, eine neue Ära der Rehabilitations-Robotik einzuleiten. „Wir hoffen, dass die verschiedenen Funktionen, die von unserem Framework unterstützt werden, neue Möglichkeiten für das Verständnis neuromechanischer Systeme eröffnen, die mit künstlichen Robotern interagieren“, schließt Prof. Sartori. Weitere Informationen: INTERACT-Projektwebsite SOPHIA-Projektwebsite
Schlüsselbegriffe
INTERACT, SOPHIA, MyoSuite, KI, Roboter, Robotik, Behinderung, Bewegung, Muskel-Skelett-System, Finger, Ellbogen, Hand
