Dos grupos de investigación de la EPFL se unieron para desarrollar un programa de aprendizaje automático que puede conectarse a un cerebro humano y usarse para comandar un robot. El programa ajusta los movimientos del robot basándose en señales eléctricas del cerebro. La esperanza es que con esta invención, los pacientes tetrapléjicos puedan realizar más actividades del día a día por sí mismos.
Los pacientes tetrapléjicos son prisioneros de sus propios cuerpos, incapaces de hablar o realizar el menor movimiento. Los investigadores han estado trabajando durante años para desarrollar sistemas que puedan ayudar a estos pacientes a realizar algunas tareas por sí mismos. «Las personas con una lesión de la médula espinal a menudo experimentan déficits neurológicos permanentes y discapacidades motoras graves que les impiden realizar incluso las tareas más simples, como agarrar un objeto», dice la profesora Aude Billard, directora del Laboratorio de Sistemas y Algoritmos de Aprendizaje de la EPFL. «La asistencia de los robots podría ayudar a estas personas a recuperar parte de su destreza perdida, ya que el robot puede ejecutar tareas en su lugar».
El profesor Billard llevó a cabo un estudio con el profesor José del R. Millán, quien en ese momento era el jefe del laboratorio de Interfaz Cerebro-Máquina de la EPFL, pero desde entonces se ha trasladado a la Universidad de Texas. Los dos grupos de investigación han desarrollado un programa informático que puede controlar un robot mediante señales eléctricas emitidas por el cerebro de un paciente. No se necesita control por voz ni función táctil; los pacientes pueden mover el robot simplemente con sus pensamientos. El estudio ha sido publicado en Biología de las comunicaciones, una revista de acceso abierto de Nature Portfolio.
Evitando obstáculos
Para desarrollar su sistema, los investigadores comenzaron con un brazo robótico que se había desarrollado hace varios años. Este brazo puede moverse hacia adelante y hacia atrás de derecha a izquierda, reposicionar objetos frente a él y sortear los objetos en su camino. «En nuestro estudio programamos un robot para evitar obstáculos, pero podríamos haber seleccionado cualquier otro tipo de tarea, como llenar un vaso de agua o empujar o tirar de un objeto», dice el profesor Billard.
Los ingenieros comenzaron mejorando el mecanismo del robot para evitar obstáculos para que fuera más preciso. «Al principio, el robot elegía un camino que era demasiado ancho para algunos obstáculos, alejándolo demasiado y no lo suficientemente ancho para otros, manteniéndolo demasiado cerca», dice Carolina Gaspar Pinto Ramos Correia, estudiante de doctorado en el Prof. Laboratorio de Billard. «Dado que el objetivo de nuestro robot era ayudar a los pacientes paralizados, teníamos que encontrar una forma de que los usuarios pudieran comunicarse con él sin necesidad de hablar o moverse».
Un algoritmo que puede aprender de los pensamientos.
Esto implicó el desarrollo de un algoritmo que pudiera ajustar los movimientos del robot basándose únicamente en los pensamientos del paciente. El algoritmo se conectó a un casco equipado con electrodos para realizar exploraciones de electroencefalograma (EEG) de la actividad cerebral de un paciente. Para utilizar el sistema, todo lo que el paciente debe hacer es mirar el robot. Si el robot realiza un movimiento incorrecto, el cerebro del paciente emitirá un «mensaje de error» a través de una señal claramente identificable, como si el paciente estuviera diciendo «No, no así». El robot entonces comprenderá que lo que está haciendo está mal, pero al principio no sabrá exactamente por qué. Por ejemplo, ¿se acercó demasiado o se alejó demasiado del objeto? Para ayudar al robot a encontrar la respuesta correcta, el mensaje de error se introduce en el algoritmo, que utiliza un enfoque de aprendizaje por refuerzo inverso para determinar qué quiere el paciente y qué acciones debe realizar el robot. Esto se realiza mediante un proceso de prueba y error mediante el cual el robot prueba diferentes movimientos para ver cuál es el correcto. El proceso es bastante rápido: por lo general, solo se necesitan de tres a cinco intentos para que el robot descubra la respuesta correcta y ejecute los deseos del paciente. «El programa de inteligencia artificial del robot puede aprender rápidamente, pero hay que decirle cuando comete un error para que pueda corregir su comportamiento», dice el profesor Millán. «El desarrollo de la tecnología de detección de señales de error fue uno de los mayores desafíos técnicos que enfrentamos». Iason Batzianoulis, autor principal del estudio, agrega: «Lo que fue particularmente difícil en nuestro estudio fue vincular la actividad cerebral de un paciente con el sistema de control del robot, o en otras palabras, ‘traducir’ las señales cerebrales de un paciente en acciones realizadas por el robot. Lo hicimos utilizando el aprendizaje automático para vincular una señal cerebral determinada con una tarea específica. Luego, asociamos las tareas con controles de robots individuales para que el robot haga lo que el paciente tiene en mente «.
Siguiente paso: una silla de ruedas controlada por la mente
Los investigadores esperan usar eventualmente su algoritmo para controlar sillas de ruedas. «Por ahora, todavía hay muchos obstáculos de ingeniería que superar», dice el profesor Billard. «Y las sillas de ruedas plantean un conjunto de desafíos completamente nuevo, ya que tanto el paciente como el robot están en movimiento». El equipo también planea usar su algoritmo con un robot que puede leer varios tipos diferentes de señales y coordinar los datos recibidos del cerebro con los de las funciones motoras visuales.
Fuente de la historia:
Materiales proporcionados por Ecole Polytechnique Fédérale de Lausanne. Original escrito por Valérie Geneux. Nota: El contenido puede editarse por estilo y longitud.
