The HANDi Hand V2: Enhancing a Multi-articulating Prosthetic Hand for Continual Machine Learning Research
Dit artikel presenteert de herontworpen HANDi Hand V2, een open-source, gesensoriseerd prothetisch platform dat de prestatiekloof met commerciële apparaten overbrugt en demonstreert hoe machine-geleerde adaptieve schakeling de controle-inspanning van de gebruiker kan verminderen terwijl diverse greepselecties mogelijk worden gemaakt.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Voor mensen die een hand hebben verloren, kunnen moderne protheseapparaten aanvoelen als wonderen van techniek, in staat om de complexe bewegingen van een biologische ledemaat na te bootsen. Toch blijven deze apparaten voor veel gebruikers frustrerend moeilijk te besturen. Het kernprobleem is niet dat de machines niet kunnen bewegen, maar dat de menselijke geest te hard moet werken om hen te vertellen wat ze moeten doen. Om een kopje op te pakken, moet een gebruiker handmatig door een menu van verschillende grijpstijlen bladeren, een proces dat intense concentratie vereist en vaak tot vermoeidheid leidt. Wanneer de mentale inspanning die nodig is om een apparaat te bedienen te groot wordt, stoppen gebruikers er vaak helemaal mee. Onderzoekers verkennen nu een ander pad: in plaats van de mens te vragen de complexiteit van de machine te beheren, leren ze de machine om de menselijke behoeften te anticiperen. Deze aanpak berust op een concept genaamd continu leren (continual learning), waarbij een apparaat de acties van een gebruiker in de loop van de tijd observeert en geleidelijk leert om hun intenties te voorspellen, waardoor het effectief een partner wordt die het zware werk van de besluitvorming overneemt.
Aan de Universiteit van Alberta heeft een team onderzoekers een nieuw hulpmiddel gebouwd om dit idee te testen, waarmee een kritieke kloof in het vakgebied wordt geadresseerd. Hoewel er dure commerciële protheses bestaan, zijn dit vaak gesloten systemen die onderzoekers niet gemakkelijk kunnen aanpassen of voorzien van de sensoren die nodig zijn voor geavanceerde leerexperimenten. Daartegenover staan veel goedkope, met een 3D-printer gemaakte handen die beschikbaar zijn voor onderzoek, die echter de duurzaamheid en zintuiglijke rijkdom missen die nodig zijn om de rigoureuze tests te overleven die machine learning vereisen. Het team reageerde door hun open-source "HANDi Hand" te herontwerpen, waarbij een tweede versie is gemaakt die zowel robuuster als slimmer is. Dit nieuwe apparaat, de HANDi Hand V2, is gebouwd om de herhaalde cycli van vallen en opstaan die machine learning vereist te weerstaan, terwijl het ook een brede reeks gegevens verzamelt over hoe het beweegt en de wereld aanraakt.
De fysieke herontwerp richtte zich op het oplossen van de kwetsbaarheid die de oorspronkelijke versie teisterde. De onderzoekers vervingen de oude motoren door een nieuw type dat minstens een uur kan draaien zonder oververhit te raken, een benchmark die is gekozen om overeen te komen met de lengte van typische laboratoriumleersessies. Ze hebben ook de interne pezen herontworpen die de vingers sluiten. In plaats van touwtjes en veren die zouden kunnen verstrikt raken of breken, gebruikt het nieuwe ontwerp stevige nylon tie-wraps. Deze strips zijn sterk genoeg om de spanning van herhaaldelijk grijpen te weerstaan en kunnen in minder dan vijf minuten worden vervangen als ze ooit versleten zijn. Om de hand gevoeliger te maken, voegde het team een reeks sensoren toe die de hoek van elke gewrichtsmethode meten, de kracht op de vingertoppen, en zelfs de temperatuur en elektrische stroom binnen de motoren zelf. Een camera gemonteerd op de pols biedt een zicht op de objecten waar de hand naar reikt, wat de computer een duidelijk beeld geeft van de taak waar het om gaat.
Om te bewijzen dat deze nieuwe hardware klaar was voor gebruik in de echte wereld, onderwierpen de onderzoekers het aan een gestandaardiseerde test genaamd het Anthropomorphic Hand Assessment Protocol. Deze test houdt in dat men probeert zesentwintig veelvoorkomende huishoudelijke voorwerpen te grijpen met tien verschillende soorten grepen, van het vasthouden van een grote fles tot het knijpen in een kleine munt. De HANDi Hand V2 slaagde in 79 procent van de taken, een score die het voor andere met 3D-printers gemaakte onderzoeks-handen voorbijstreeft en de prestatiekloof met dure commerciële apparaten verkleint. De verbetering was bijzonder merkbaar in het vermogen om objecten stevig vast te houden; de nieuwe motoren stelden de hand in staat om een stevige grip te behouden, zelfs wanneer de flexibele pezen probeerden te ontspannen, een cruciaal kenmerk voor taken zoals het dragen van een bord zonder het te laten vallen.
Met een robuust platform in handen, testte het team vervolgens of het apparaat kon leren om zelf de juiste greep te kiezen. Ze zetten een experiment op waarbij een deelnemer de hand door een sequentie van drie verschillende grepen moest bewegen: een open hand, een pincetgreep en een cilindrische greep. In de eerste conditie moest de gebruiker herhaaldelijk op een knop drukken om door de opties te bladeren totdat de juiste verscheen, een proces dat ongeveer 45 seconden in beslag nam om een volledige cyclus te voltooien. In de tweede conditie gebruikte het systeem een leeralgoritme om te voorspellen welke greep de gebruiker wilde op basis van de richting waarin de hand wees. Terwijl de gebruiker de taak herhaalde, leerde het systeem het patroon en begon het direct de juiste greep aan te bieden. Binnen enkele minuten daalde de tijd die nodig was om tussen grepen te wisselen naar ongeveer 33 seconden, en het aantal keren dat de gebruiker op de knop moest drukken, nam aanzienlijk af.
De resultaten suggereren dat het verschuiven van de last van controle van de gebruiker naar de machine niet alleen mogelijk, maar ook effectief is. Tegen het einde van het experiment had het systeem de intentie van de gebruiker zo goed leren anticiperen dat het vaak de menu's volledig kon overslaan, door de gewenste actie met één enkel signaal aan te bieden. De onderzoekers merkten op dat deze verandering meer deed dan alleen tijd besparen; het nam de fysieke aarzeling weg die gebruikers voelden bij het doorbladeren van de opties, waardoor ze objecten met vertrouwen konden benaderen. Hoewel deze studie werd uitgevoerd in een gecontroleerde omgeving met een beperkt aantal grepen, wijzen de bevindingen erop dat een duurzaam, sensorrijk platform zoals de HANDi Hand V2 de ontwikkeling van protheses kan ondersteunen die fungeren als intelligente uitbreidingen van het menselijk lichaam. Het werk demonstreert dat machines met de juiste hardware kunnen leren om minder reactieve instrumenten en meer proactieve partners te zijn, wat potentieel de frustratie vermindert die ertoe leidt dat veel mensen hun apparaten opgeven.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.