Robotter, der fanger fejl tidligt

Et nyt system lader robotter læse menneskelige hjernesignaler for at opdage fejl tidligt og reagere i realtid, hvilket reducerer forsinkelser og forbedrer kontrollen i kritiske opgaver.

Robotter reagerer normalt, efter der er sket en fejl.Et team ved Oklahoma State University arbejder på et system, der lader robotter reagere i det øjeblik, et menneske fornemmer, at noget er galt.Systemet læser hjernesignaler og ændrer robothandlinger i realtid.Hvis en person opdager et problem, kan robotten bremse, stoppe eller give kontrollen tilbage inden for millisekunder.Dette skifter robotrespons fra forsinket korrektion til tidlig intervention.

Det fungerer ved at bruge hjernecomputergrænseflader til at opdage fejlrelaterede potentialer eller ErrP'er.Disse signaler vises næsten øjeblikkeligt, når en person genkender en fejl, før enhver fysisk handling.En bærbar elektroencefalogramhætte fanger disse signaler og sender dem til en delt kontrolrobot.

Denne tilgang adresserer et vigtigt hul i teleoperation.I højrisikoarbejde som håndtering af atomanlæg eller dybhavsinspektion kan robotter ikke fungere fuldt ud på egen hånd.Menneskelig kontrol hjælper, men det tager tid, og hurtige fejl er svære at stoppe.De fleste robotter opdager først problemer efter kontakt.Inden da kan svaret være for sent.Hjernesignaler fungerer som en tidlig advarsel.

Signalerne kommer fra hjernens forreste cingulate cortex, som producerer ErrPs som en intern alarm.Da hjernen reagerer hurtigere end fysisk bevægelse, giver dette et kort, men kritisk tidsvindue for korrektion.

For at gøre systemet brugbart byggede teamet en model, der lærer generelle hjernemønstre og derefter tilpasser sig hver enkelt bruger.Dette reducerer opsætningstiden, hvilket er et almindeligt problem i hjernecomputersystemer.Da signalerne varierer på tværs af brugere, er hurtig tilpasning påkrævet.

Sikkerheden styres ved hjælp af Signal Temporal Logic, som sætter grænser for, hvordan robotten kan agere.Hjernesignalet markerer et problem, og logikken definerer den tilladte reaktion.Dette holder kontrollen stabil selv med direkte hjerneinput.

Systemet bliver testet ved hjælp af NVIDIA Isaac Lab og NVIDIA Isaac ROS på RTX PRO 6000 GPU'er til realtidssimulering og kontrol.

Den samme idé kan strække sig ud over industriel brug.I sundhedsvæsenet kunne det understøtte proteser og eksoskeletoner.For eksempel kan et lemprotese registrere, når en bruger registrerer en forkert bevægelse, og korrigere den med det samme.