Rede neural melhora controle de mão robótica em níveis de dedo

São Paulo — InkDesign News —

A pesquisa em machine learning tem avançado significativamente, especialmente no campo das interfaces cérebro-máquina (BCIs), que possibilitam o controle de sistemas robóticos de maneira intuitiva, trazendo novas esperanças para pessoas com habilidades motoras comprometidas.

Contexto da pesquisa

A equipe do professor Bin He, da Carnegie Mellon University, se dedica há mais de duas décadas a soluções de BCI não invasivas, especialmente aquelas baseadas em eletroencefalografia (EEG). Essas interfaces se destacam por não requererem cirurgia, ampliando as possibilidades de uso para um número maior de pacientes.

Método proposto

O grupo de Bin He alcançou marcos significativos, incluindo o controle de um braço robótico e, mais recentemente, a manipulação de uma mão robótica em tempo real. Utilizando uma nova estratégia de aprendizado profundo, eles desenvolveram um sistema de controle robótico não invasivo que utiliza a execução de movimentos e a imaginação motora para traduzir intenções de movimento de dedos individuais em movimentos de dedos robóticos.

“Decodificar em tempo real movimentos de dedos individuais usando sinais cerebrais não invasivos tem sido uma meta elusiva”
(“Real-time decoding of dexterous individual finger movements using noninvasive brain signals has remained an elusive goal.”)

— Bin He, Professor de Engenharia Biomédica, Carnegie Mellon University

Esse sistema foi capaz de executar tarefas de controle com dois e três dedos, demonstrando avanços significativos na acurácia de controle. Essa abordagem se alinha a um modelo de rede neural profunda, que foi aprimorado por meio de um mecanismo de ajuste fino para decodificação contínua a partir de sinais EEG não invasivos.

Resultados e impacto

Os resultados obtidos neste estudo representam um avanço na decodificação em tempo real das intenções de movimento, aumentando a viabilidade das BCIs no cotidiano. A capacidade de controlar uma mão robótica com precisão sugere aplicações potenciais na reabilitação de pacientes e no aumento da funcionalidade de pessoas com deficiências motoras.

“Os insights obtidos deste estudo têm imenso potencial para elevar a relevância clínica das BCIs não invasivas”
(“The insights gained from this study hold immense potential to elevate the clinical relevance of noninvasive BCIs.”)

— Bin He, Professor de Engenharia Biomédica, Carnegie Mellon University

Os próximos passos incluem a exploração de tarefas mais refinadas no nível dos dedos, como digitação, o que pode revolucionar a interação entre humanos e máquinas na esfera diária.

Fonte: (TechXplore – Machine Learning & AI)