Meta introduce MyoSuite, il machine learning applicato ai problemi di controllo biomeccanico

Unificando intelligenza motoria e neurale, la piattaforma può generare movimenti fisiologicamente realistici, come far roteare una penna o manipolare delle palle [...]
Pierluigi Sandonnini

giornalista

MyoSuite
  1. Home
  2. News
  3. Meta introduce MyoSuite, il machine learning applicato ai problemi di controllo biomeccanico

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.

MyoSuite

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.

WHITEPAPER
Intelligenza Artificiale: 11 rivoluzioni per la Sanità
Intelligenza Artificiale
Sanità

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.

 

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

FacebookTwitterLinkedIn