The HANDi Hand V2: Enhancing a Multi-articulating Prosthetic Hand for Continual Machine Learning Research
تقدم هذه الورقة نسخة HANDi Hand V2 المطورة، وهي منصة طرف اصطناعي مفتوحة المصدر ومزودة بمستشعرات تسد فجوة الأداء مع الأجهزة التجارية وتوضح كيف يمكن للتبديل التكيفي القائم على التعلم الآلي أن يقلل من جهد التحكم لدى المستخدم مع تمكينه من اختيار قبضات متنوعة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
بالنسبة للأشخاص الذين فقدوا أيديهم، يمكن أن تبدو الأطراف الاصطناعية الحديثة كمعجزات هندسية، قادرة على محاكاة الحركات المعقدة للطرف البيولوجي. ومع ذلك، تظل هذه الأجهزة بالنسبة للعديد من المستخدمين صعبة التحكم بشكل محبط. المشكلة الجوهرية ليست في أن الآلات لا تستطيع الحركة، بل في أن العقل البشري يجب أن يبذل جهداً كبيراً لإخبارها بما يجب القيام به. فمن أجل التقاط كوب، قد يتعين على المستخدم التنقل يدوياً عبر قائمة من أنماط القبض المختلفة، وهي عملية تتطلب تركيزاً شديداً وتؤدي غالباً إلى الإرهاق. وعندما يصبح الجهد الذهني المطلوب لتشغيل الجهاز كبيراً جداً، غال Tom المستخدمون استخدامه تماماً. يستكشف الباحثون الآن مساراً مختلفاً: بدلاً من مطالبة الإنسان بإدارة تعقيد الآلة، يقومون بتعليم الآلة توقع احتياجات الإنسان. يعتمد هذا النهج على مفهوم يسمى "التعلم المستمر"، حيث يراقب الجهاز أفعال المستخدم بمرور الوقت ويتعلم تدريجياً التنبؤ بنواياه، ليصبح فعلياً شريكاً يتولى عبء اتخاذ القرارات.
في جامعة ألبرتا، قام فريق من الباحثين ببناء أداة جديدة لاختبار هذه الفكرة، معالجين بذلك فجوة حرجة في هذا المجال. فبينما توجد أطراف اصطناعية تجارية باهظة الثمن، إلا أنها غالباً ما تكون أنظمة مغلقة لا يمكن للباحثين تعديلها أو تزويدها بسهولة بالمستشعرات اللازمة لتجارب التعلم المتقدمة. وفي المقابل، تفتقر العديد من الأيدي المطبوعة بتقنية ثلاثية الأبعاد ومنخفضة التكلفة والمتاحة للبحث إلى المتانة والثراء الحسي المطلوبين للصمود أمام الاختبارات الصارمة التي يتطلبها تعلم الآلة. استجاب الفريق لذلك عبر إعادة تصميم "يد HANDi" مفتوحة المصدر، لإنشاء نسخة ثانية أكثر قوة وذكاءً. تم بناء هذا الجهاز الجديد، HANDi Hand V2، ليتحمل دورات الخطأ والصواب المتكررة التي يتطلبها تعلم الآلة، مع جمع مجموعة واسعة من البيانات حول كيفية حركته ولمسه للعالم.
ركزت إعادة التصميم الفيزيائي على حل مشكلة الهشاشة التي عانت منها النسخة الأصلية. استبدل الباحثون المحركات القديمة بنوع جديد يمكنه العمل لمدة ساعة على الأقل دون ارتفاع في درجة الحرارة، وهو معيار تم اختياره ليتناسب مع طول جلسات التعلم المختبرية النموذجية. كما أعادوا تصميم الأوتار الداخلية التي تسحب الأصابع للإغلاق؛ فبدلاً من استخدام الخيوط والزنبركات التي قد تتعقد أو تنقطع، يستخدم التصميم الجديد روابط بلاستيكية (zip ties) متينة من النايلون. هذه الروابط قوية بما يكفي لتحمل إجهاد القبض المتكرر ويمكن استبدالها في أقل من خمس دقائق إذا تآكلت. ولجعل اليد أكثر حساسية، أضاف الفريق مجموعة من المستشعرات التي تقيس زاوية كل مفصل، والقوة عند أطراف الأصابع، وحتى درجة الحرارة والتيار الكهربائي داخل المحركات نفسها. كما توفر كاميرا مثبتة على المعصم رؤية للأشياء التي تحاول اليد الوصول إليها، مما يعطي الكمبيوتر صورة واضحة للمهمة المطلوبة.
لإثبات جاهزية هذه الأجهزة للاستخدام في العالم الحقيقي، أخضعها الباحثون لاختبار معياري يسمى "بروتوكول تقييم اليد البشرية". يتضمن هذا الاختبار محاولة الإمساك بستة وعشرين جسماً من الأدوات المنزلية الشائعة باستخدام عشرة أنواع مختلفة من القبضات، بدءاً من الإمساك بزجاجة كبيرة وصولاً إلى قرص عملة معدنية صغيرة. نجحت يد HANDi Hand V2 في 79 بالمائة من المهام، وهي نتيجة تضعها في مقدمة الأيدي البحثية المطبوعة ثلاثية الأبعاد وتضيق الفجوة في الأداء مع الأجهزة التجارية باهظة الثمن. كان التحسن ملحوظاً بشكل خاص في القدرة على تثبيت الأشياء؛ حيث سمحت المحركات الجديدة لليد بالحفاظ على قبضة قوية حتى عندما تحاول الأوتار المرنة الاسترخاء، وهي ميزة حاسمة لمهام مثل حمل طبق دون إسقاطه.
ومع امتلاك منصة قوية، اختبر الفريق ما إذا كان بإمكان الجهاز تعلم اختيار القبضة الصحيحة بمفرده. أقاموا تجربة حيث تعين على المشارك تحريك اليد عبر تسلسل من ثلاث قبضات مختلفة: يد مفتوحة، وقبضة قرص، وقبضة أسطوانية. في الحالة الأولى، كان على المستخدم الضغط على زر بشكل متكرر للتنقل عبر الخيارات حتى يظهر الخيار الصحيح، وهي عملية استغرقت حوالي 45 ثانية لإكمال دورة كاملة. في الحالة الثانية، استخدم النظام خوارزمية تعلم للتنبؤ بالقبضة التي يريدها المستخدم بناءً على اتجاه حركة اليد. ومع تكرار المستخدم للمهمة، تعلم النظام النمط وبدأ في تقديم القبضة الصحيحة فوراً. وفي غض-ن دقائق معدودة، انخفض الوقت المطلوب للتبديل بين القبضات إلى حوالي 33 ثانية، وانخفض عدد المرات التي اضطر فيها المستخدم للضغط على الزر بشكل كبير.
تشير النتائج إلى أن نقل عبء التحكم من المستخدم إلى الآلة ليس ممكناً فحسب، بل هو فعال أيضاً. فبحلول نهاية التجربة، تعلم النظام التنبؤ بنوايا المستخدم لدرجة أنه استطاع غالباً تجاوز القائمة بالكامل، وتقديم الإجراء المطلوب بإشارة واحدة. لاحظ الباحثون أن هذا التغيير لم يوفر الوقت فحسب، بل أزال أيضاً التردد الجسدي الذي يشعر به المستخدمون عند التنقل عبر الخيارات، مما سمح لهم بالاقتراب من الأشياء بثقة. ورغم أن هذه الدراسة أجريت في بيئة محكومة مع عدد محدود من القبضات، إلا أن النتائج تشير إلى أن منصة متينة وغنية بالمستشعرات مثل HANDi Hand V2 يمكن أن تدعم تطوير أطراف اصطناعية تعمل كامتدادات ذكية للجسم البشري. يوضح هذا العمل أنه مع وجود الأجهزة المناسبة، يمكن للآلات أن تتعلم لتكون أقل اعتماداً على رد الفعل وأكثر قدرة على المبادرة، مما قد يقلل من الإحباط الذي يؤدي بالعديد من الناس إلى التخلي عن أجهزتهم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.