Il machine learning applicato alla soluzione di problemi di controllo biomeccanico. È quanto hanno realizzato i ricercatori di Meta. La nuova piattaforma di AI si chiama “MyoSuite” e combina intelligenza motoria e neurale; i modelli muscolari di MyoSuite sono fino a 4.000 volte più veloci di altri simulatori.
Con Myosuite possono essere generati movimenti fisiologicamente realistici, come far roteare una penna o manipolare delle palle. Questa ricerca potrebbe avere un impatto significativo su aree come lo sviluppo di protesi e la riabilitazione post-infortunio.
Nel metaverso questi modelli aiuteranno a creare avatar che si muovono in modo più realistico, rendendo l’esperienza più espressiva e coinvolgente.
MyoSuite riunisce gli aspetti motori e neurali dell’intelligenza; una serie di benchmark completi sono stati rilasciati per la comunità ML per fare ulteriori ricerche in questo campo.
La biomeccanica muscolo-scheletrica è la fisiologia multi-articolazione e multi-attuatore. Più muscoli controllano il movimento di ogni articolazione in una singola contrazione. Un sistema biomeccanico con miliardi di neuroni nel sistema nervoso centrale e un sistema muscolo-scheletrico che traduce queste intenzioni in azioni richiede un coordinamento efficace tra questi due sistemi per ottenere un comportamento intelligente.
L’intelligenza artificiale (AI) mira a imitare il comportamento intelligente simulando strutture cerebrali o reti neurali. La comunità biomeccanica ha sviluppato sistemi muscoloscheletrici attraverso indagini in vivo ed ex-vivo per comprendere l’attuazione periferica simultaneamente e generalmente in modo indipendente.
Utilizzo di ML per controllare il movimento muscolo-scheletrico
La scalabilità dei dati e del calcolo consente l’evoluzione di soluzioni altrimenti impossibili da implementare per gli esseri umani. Problemi complicati e ad alta dimensione come AlphaGo o MuZero, le cui soluzioni analitiche in forma chiusa sono sconosciute, possono ora essere risolti con i moderni paradigmi ML. Tuttavia, è raro che questi algoritmi vengano applicati a scenari di controllo motorio più sofisticati, come il controllo muscolo-scheletrico.
I framework in-silico esistenti come OpenSim, che presentano modelli muscoloscheletrici fisiologicamente precisi, non hanno la capacità di interagire con il mondo fisico al di là del corpo dell’agente. Per soddisfare i requisiti di dati degli algoritmi di apprendimento automatico, questi framework esistenti non sono incorporati in attività motorie sofisticate e qualificate né sono computazionalmente efficaci o scalabili. MyoSuite riempie questi vuoti.
MyoSuite, effetti nel mondo reale
La piattaforma completa di MyoSuite consente di implementare applicazioni reali come la riabilitazione, la chirurgia e i dispositivi di assistenza in autonomia condivisa, nonché di sintetizzare i comportamenti.
Il trasferimento del tendine è una funzione di recupero ben nota dopo un tendine strappato. MyoSuite può facilmente replicare questa procedura; identificando modelli di attivazione e gruppi muscolari, i modelli MyoSuite possono essere utilizzati per aiutare a progettare stecche e trattamenti riabilitativi. MyoSuite può anche simulare i risultati di una specifica procedura chirurgica in termini di mobilità e il suo effetto sulla riabilitazione funzionale delle aree danneggiate a seguito del processo chirurgico.
