Los robots leen las señales del cerebro humano para evitar errores antes de que ocurran en tiempo real
Entre las posibles aplicaciones futuras se incluyen prótesis o exoesqueletos que ajustan el movimiento según la comodidad y la intención del usuario
Un grupo de investigadores de la Universidad Estatal de Oklahoma está desarrollando un sistema de control neuroadaptativo que permite a los robots captar señales del cerebro humano y ajustar sus acciones al instante, de modo que si un operador humano percibe que algo va mal, el robot debería reaccionar antes de que el problema se agrave.
Este sistema está basado en las interfaces cerebro-computadoras (BCI, por sus siglas en inglés), que las emplea para detectar lo que se conoce como potenciales relacionados con errores (ErrP). Las BCI permiten a las personas comunicarse directamente con ordenadores u otros dispositivos utilizando su actividad cerebral (concretamente, registrando las señales eléctricas o de otro tipo producidas por el cerebro e interpretándolas mediante algoritmos para controlar los mencionados dispositivos).
Al parecer, las señales se activan casi de inmediato cuando una persona reconoce un error, incluso antes de que llegue a reaccionar físicamente. Mediante un gorro con electroencefalograma incorporado, el sistema capta señales y las transmite a un sistema robótico de control compartido y, una vez detectadas, el robot puede reducir la velocidad, detenerse o devolver el control en cuestión de milisegundos.
El potencial de esta investigación se extiende a la atención médica y la rehabilitación
La investigación, dirigida por el Dr. Hemanth Manjunatha —profesor adjunto de la Escuela de Ingeniería Mecánica y Aeroespacial— presenta un marco de control neuroadaptativo que integra interfaces cerebro-computadora con restricciones formales de seguridad, permitiendo a los robots reconocer cuándo un operador humano percibe un error y ajustar su comportamiento antes de que ocurra un accidente.
Manjunatha señala que la teleoperación actual (el proceso mediante el cual los humanos controlan robots a distancia) resulta agotadora para las personas y carece de medidas de seguridad. Esta investigación se centra en mejorar la teleoperación en entornos impredecibles. El experto dijo: "Todavía necesitamos la intervención humana para proporcionar un juicio de alto nivel y una adaptabilidad que la IA aún no domina".
Cuando un robot se encuentra con algo que no ha visto antes, como un montón de desechos espaciales en movimiento o una complicación quirúrgica compleja, carece del «sentido común» y la intuición de un ser humano
La clave de esta investigación reside en una señal producida por el cerebro humano conocida como potencial relacionado con el error (ErrP). Estas señales se producen casi instantáneamente cuando una persona reconoce un error. "Los ErrP son patrones eléctricos específicos generados por el cerebro, concretamente por la corteza cingulada anterior, en el momento en que reconocemos un error", explicó Manjunatha.
"Al detectar estos ErrP, no solo leemos la actividad cerebral, sino que capturamos el momento instintivo de ‘¡Oh, no!’ del ser humano. Esto le indica al robot: ‘Lo que acabas de hacer, no lo vuelvas a hacer o deja de hacerlo’", añadió. Mediante un gorro con electroencefalograma portátil, el equipo de investigación detecta estas señales y las introduce en un sistema robótico de control compartido.
Cuando el sistema detecta un ErrP, puede reducir la velocidad, detenerse o devolver el control al operador humano en milisegundos, proporcionando una alerta temprana que mejora la seguridad. Para garantizar que el sistema funcione de forma fiable para diferentes personas, el equipo creó un método de decodificación adaptativa que aprende los patrones generales de las señales cerebrales y luego se ajusta a cada individuo.
El potencial de esta investigación se extiende a la atención médica y la rehabilitación. Entre las posibles aplicaciones futuras se incluyen prótesis o exoesqueletos que ajustan el movimiento según la comodidad y la intención del usuario. Todos los conjuntos de datos, modelos y código producidos a través del proyecto se publicarán, lo que permitirá a otros investigadores desarrollar el trabajo a partir de él.