Uma breve historia sobre machine learning e exoesqueletos

Um tempo atras estive pesquisando sobre exoesqueletos e como criar eles vi que para eles funcionarem bem precisam receber os dados por eletromiografia e eletroencefalograma que abreviam respectivamente como EMG e EEG.É necessario conhecimento tambem em filtros de sinais emitidos pelo corpo.Resolvi de inicio começar com essa imagem top do homem de ferro que é o simbolo pop dos exoesqueletos hoje mas o que tem de tecnologia a respeito disso?

Na imagem acima por exemplo são mostradas as diferentes curvas de onda que podem ser vistas em cada ponto do corpo utilizando as redes neurais recursivas tambem conhecidas como lstms é possivel identificar cada comportamento e ajudar no controle de motores.

Na imagem acima é exemplificado como funciona cada elemento para o funcionamento de um exoesqueleto nesse caso apenas um braço biônico o braço esta como o mecanismo com seus graus de rotação o cerebro que emite os sinais que são captados pela pele atraves de um sensor o atuador é o proprio nervo que emite o sinal eletrico e é interpretador pelos motores.

Tudo começa com Leonardo da Vinci fazendo seu primeiro projeto e então temos um salto evolutivo gigante para os tempos de hoje.O rascunho aí embaixo foi feito nada mais nada menos que por ele muitos anos antes de inventarem os primeiros motores.

Existem varias empresas que se especializaram em modelos de exoesqueletos, vou mostrar um pouco delas.

Esse é um video da Cyberdine empresa do japão que trabalha com exoesqueletos desde 2009 mas não foi apenas ela o governo dos estados unidos tambem trabalhou em exoesqueletos desde 2007 em um grupo chamado future soldier e continua utilizando esses exoesqueletos

No caso do EEG esta sendo utilizada uma tecnica em parceria com pessoas de varias universidades conhecida como brain to vehicle que utiliza um headset e por sua vez ele emite os sinais de ondas cerebrais para ver se a pessoa quer brecar,acelerar,virar o volante ou não.

A tecnica é bastante nova mas serve para inspirar pessoas a criarem alternativas utilizando apenas emissão de ondas eletricas pelo corpo atraves dos proprios impulsos dos nervos.

E nesse topico não poderia esquecer de falar do grupo de meninos indianos que só emitindo algumas ondas eletricas pela corda vocal fizeram um detector que faz buscas pelo google com um aparelho estilo o que o Stephen Hawking utilizava para conseguir falar.

As ondas são captadas pela garganta usando eletromiografia ou EMG e enviadas para uma api que informa por bluetooth o que é falado e tambem pode servir como instrumento para bate papo.

Mas nem sempre é preciso utilizar deep learning pode ser utilizada uma serie de filtros e estruturas condicionais estatisticas como um processo de Markov que analiza o sinal emitido.Porem todos metodos necessitam de filtros para melhor captação porem para melhor desempenho o deep learning oferece resultados mais concretos de forma mais rapida.

E como funciona o deep learning para detecção desses movimentos?Bom vou chamar esse topico de:

O uso do algoritmo LSTM para detecção de sinais eletricos emitidos pela pele

O uso desse algoritmo é justamente para interpretar os sinais emitidos pelo corpo e facilitar no comportamento do movimento do motor. Para isso mesmo quando eu for falar de LSTM ou Long short term memory vou utilizar o exemplo utilizando semantica com texto e não com imagem da curva da onda mas funciona do mesmo jeito para os motores.A LSTM nada mais é do que uma rede neural recorrente ou seja ela pega diversas situações que foram reconhecidas atraves de mineração de dados de sensoriamento e registra no tempo como se fosse uma foto depois salva dentro da rede neural recorrente como se fosse uma memoria a imagem abaixo mostra um pouco como isso acontece.

Na imagem acima a letra i representa o input gate ou seja os dados que deve ser escritos,os dados de entrada o forget gate os dados a serem descartados a porta gate introduz o dado que esta sendo digitado agora para lembrar o comportamento dele e adivinhar o proximo que vai sair na output gate

Na imagem acima por exemplo é digitado em inglês onde esta voce e como já foi registrado anteriormente no treinamento da rede a palavra eu estou no trabalho em inglês utilizando a função softmax que é apenas uma função usada para reconhecer a palavra baseado no seu padrão de digitação.Existem varias funções de ativação poderia ser utilizada outra e não faria muita diferença.Da mesma forma quando se utiliza varios dados de sensores para saber a posição a rede ja tem registrado esse comportamento.Os dados são registrados da seguinte forma como exemplificado na imagem abaixo:

Ou seja os sinais emitidos são enviados para uma serie de camadas em que serão feitas operações de produto e soma conhecidos como convolução em seguida os comprimentos de onda enviados para uma LSTM que tem a função de ativação softmax que por sua vez ira informar o grau de revolução de cada motor no sinal de saída.A vantagem é que com muitos dados será possivel reconhecer o comportamento de qualquer pessoa sem necessidade de calibração do equipamento apenas para uma ou outra pessoa.

Então por experiencia anterior a rede neural recursiva usando o algoritmo LSTM ja sabe que pode acontecer determinado movimento do braço antes dele acontecer apenas observando os dados de sensoriamento.

E isso é tudo pessoal.Com esse texto bacana voce aprendeu um pouco sobre a historia dos exoesqueletos e como utilizar deep learning para controlar um com facilidade.