Investigadores desarrollan un sistema de IA para controlar robots con el pensamiento
Dos grupos de investigación de la EPFL (Escuela Politécnica Federal de Lausana) se unieron para desarrollar un programa de aprendizaje automático que puede conectarse al cerebro humano y utilizarse para controlar un robot. El programa regula los movimientos del robot a partir de las señales eléctricas del cerebro. Se espera que, con este invento, los pacientes con tetraplejia puedan realizar más tareas cotidianas por sí mismos.
Los pacientes con tetraplejia son prisioneros de su propio cuerpo, incapaces de hablar o de realizar el menor movimiento. Los investigadores llevan años trabajando en sistemas que puedan ayudar a estos pacientes a realizar algunas tareas por sí mismos.
«Las personas con lesiones de la médula espinal suelen sufrir un déficit neurológico permanente y graves trastornos motores, que les impiden realizar incluso tareas tan simples como agarrar un objeto. La ayuda de los robots puede permitir a estas personas recuperar parcialmente la destreza perdida, ya que el robot puede realizar las tareas en su lugar»
La profesora Billard llevó a cabo la investigación junto con el profesor José Millán, que en aquel momento dirigía el Laboratorio de Interacción Cerebro-Máquina de la EPFL, pero que desde entonces se trasladó a la Universidad de Texas.
Los dos grupos de investigación desarrollaron un programa informático que puede controlar un robot con las señales eléctricas emitidas por el cerebro del paciente. No se requiere control por voz ni función sensorial: los pacientes pueden mover el robot solo con sus pensamientos. El estudio se publicó en la revista Communications Biology, de Nature Portfolio.
Para crear su sistema, los investigadores partieron de un brazo robótico desarrollado hace varios años. Este brazo puede moverse hacia delante y hacia atrás, de derecha a izquierda, desplazar objetos frente a sí y evitar los obstáculos en su camino.
«En nuestro estudio programamos al robot para evitar obstáculos, pero podríamos elegir cualquier otro tipo de tarea, por ejemplo, llenar un vaso de agua, empujar o tirar de un objeto»
Los ingenieros empezaron mejorando el mecanismo de evasión de obstáculos del robot para hacerlo más preciso. La doctoranda del laboratorio de Billard, Carolina Gaspar, explicó: «Al principio, el robot elegía una trayectoria demasiado amplia para algunos obstáculos, alejándolo demasiado, y demasiado estrecha para otros, manteniéndolo demasiado cerca. Como el objetivo de nuestro robot era ayudar a pacientes paralizados, teníamos que encontrar una forma de que los usuarios pudieran comunicarse con él sin usar la voz ni movimientos».
Esto implicó desarrollar un algoritmo que pudiera regular los movimientos del robot únicamente a partir de los pensamientos del paciente. El algoritmo se conectó a un gorro equipado con electrodos para realizar un electroencefalograma (EEG) de la actividad cerebral del paciente.
Para usar el sistema, basta con que el paciente mire al robot. Si el robot hace un movimiento incorrecto, el cerebro del paciente envía un «mensaje de error» mediante una señal claramente identificable, como si el paciente dijera: «No, no así». Entonces el robot entenderá que lo que está haciendo es incorrecto, pero al principio no sabrá exactamente por qué.
Por ejemplo, ¿se ha acercado demasiado al objeto o se ha alejado demasiado de él? Para ayudar al robot a encontrar la respuesta correcta, el mensaje de error se introduce en un algoritmo que utiliza un método de aprendizaje por refuerzo inverso para averiguar qué quiere el paciente y qué acciones debe realizar el robot.
Esto se hace por ensayo y error: el robot prueba distintos movimientos para ver cuál es el correcto. El proceso avanza bastante rápido; normalmente, al robot le basta con tres a cinco intentos para averiguar la respuesta correcta y cumplir los deseos del paciente.
«El programa de inteligencia artificial del robot puede aprender rápidamente, pero hay que indicarle cuándo comete un error para que pueda corregir su comportamiento. Desarrollar la tecnología de detección de señales de error fue uno de los mayores desafíos técnicos a los que nos enfrentamos»
El autor principal del estudio, Iasón Batsianulis, señaló: «En nuestro estudio fue especialmente difícil conectar la actividad cerebral del paciente con el sistema de control del robot; o, dicho de otro modo, «traducir» las señales cerebrales del paciente en acciones que realiza el robot. Lo logramos mediante aprendizaje automático, para asociar una señal cerebral determinada con una tarea concreta. Después vinculamos las tareas con controles individuales del robot, de modo que el robot hace lo que el paciente pretende».
Los investigadores esperan utilizar en última instancia su algoritmo para controlar sillas de ruedas.
«Todavía quedan por superar muchos obstáculos de ingeniería. Las sillas de ruedas plantean un conjunto de problemas completamente nuevo, ya que tanto el paciente como el robot están en movimiento»
El equipo de investigadores también planea utilizar su algoritmo con un robot capaz de leer varios tipos distintos de señales y coordinar los datos obtenidos del cerebro con los datos de las funciones visomotoras.
