NVIDIA Jetson Nano 2021: como digitalizar el pensamiento

NVIDIA Jetson Nano 2021

NVIDIA Jetson Nano 2021

NVIDIA Jetson Nano 2021 es tan innovador que traduce los pensamientos de un amputado en movimientos de los dedos.

NVIDIA Jetson Nano 2021 también le permite ejecutar comandos en los videojuegos, mantiene abierta la posibilidad de que los humanos controlen casi cualquier cosa digital con sus mentes.

Utilizando GPU, un grupo de investigadores entrenó un decodificador neuronal de inteligencia artificial capaz de ejecutarse en un sistema en módulo (SOMNVIDIA Jetson Nano compacto y de bajo consumo para traducir los pensamientos de Shawn Findley, de 46 años, en movimientos individuales de los dedos.

Y si ese avance no fuera suficiente, el equipo conectó Findley a una PC con Far Cry 5 y Raiden IV , donde hizo que su avatar del juego se moviera, saltara, incluso vuele un helicóptero virtual, usando su mente.

Es una demostración que no solo promete brindar a los amputados un control más natural y sensible sobre sus prótesis. 

Algún día podría dar a los usuarios capacidades casi sobrehumanas.

El esfuerzo se detalla en un documento preliminar, o preimpresión, titulado “Una mano neuroprotésica autónoma y portátil con control de dedos basado en el aprendizaje profundo “. 

Detalla una extraordinaria colaboración interdisciplinaria detrás de un sistema que, en efecto, permite a los humanos controlar casi cualquier cosa digital con pensamientos.

“La idea es intuitiva para los jugadores de video”, dijo Anh Tuan Nguyen, autor principal del artículo y ahora investigador postdoctoral en la Universidad de Minnesota, asesorado por el profesor asociado Zhi Yang.

“En lugar de asignar nuestro sistema a una mano virtual, simplemente lo asignamos a las pulsaciones de teclas, y cinco minutos más tarde, estamos jugando un videojuego”, dijo Nguyen, un ávido jugador, que tiene una licenciatura en ingeniería eléctrica y un doctorado. D. en ingeniería biomédica.

NVIDIA Jetson Nano 2021

Shawn Findley, quien perdió la mano después de un accidente hace 17 años, pudo usar un decodificador de IA para traducir sus pensamientos en tiempo real en acciones.

En resumen, Findley, un pastor en el este de Texas que perdió la mano luego de un accidente en un taller de máquinas hace 17 años, pudo usar un decodificador de inteligencia artificial entrenado en una GPU NVIDIA TITAN X y desplegado en el NVIDIA Jetson para traducir sus pensamientos en en tiempo real en acciones dentro de un entorno virtual que se ejecuta, por supuesto, en otra GPU NVIDIA, explicó Nguyen.

Plan biónico

Findley fue uno de los pocos pacientes que participaron en el ensayo clínico apoyado por el programa HAPTIX de la Agencia de Proyectos de Investigación Avanzada de Defensa de EE. UU.

El estudio de fisiología humana está dirigido por Edward Keefer, un neurocientífico y electrofisiólogo que dirige Nerves Incorporated, con sede en Texas, y el Dr. Jonathan Cheng en el Centro Médico de la Universidad de Texas Southwestern.

En colaboración con los laboratorios de Yang y del profesor asociado Qi Zhao en la Universidad de Minnesota, el equipo recopiló datos de nervios humanos a gran escala y es uno de los primeros en implementar decodificadores neuronales de aprendizaje profundo en una plataforma portátil para aplicaciones neuroprotésicas clínicas.

Ese esfuerzo tiene como objetivo mejorar la vida de millones de amputados en todo el mundo. Más de un millón de personas pierden un miembro por amputación cada año. 

Eso es uno cada 30 segundos

Las prótesis han avanzado rápidamente en las últimas décadas, volviéndose más fuertes, más ligeras y más cómodas. 

Pero los decodificadores neuronales, que decodifican la intención de movimiento a partir de los datos de los nervios, prometen un avance espectacular.

Con solo unas pocas horas de entrenamiento, el sistema permitió a Findley mover los dedos de una mano protésica portátil de manera rápida, precisa e intuitiva.

“Es como si quisiera extender la mano y recoger algo, simplemente extiendo la mano y recojo algo”, informó Findley.

Resulta que la clave es el mismo tipo de aprendizaje profundo acelerado por GPU que ahora se usa ampliamente para todo, desde compras en línea hasta reconocimiento de voz y voz.

Trabajo en equipo

Para los amputados, a pesar de que su mano ya no existe, quedan partes del sistema que controlaba la mano faltante.

Cada vez que el amputado se imagina tomando, digamos, una taza de café con la mano perdida, esos pensamientos siguen estando accesibles en los nervios periféricos una vez conectados a la parte del cuerpo amputada.

Para capturar esos pensamientos, el Dr. Cheng de UTSW insertó quirúrgicamente conjuntos de electrodos microscópicos en los nervios mediano y cubital residual del antebrazo amputado.

Estos electrodos, con contactos de nanotubos de carbono, están diseñados por Keefer para detectar las señales eléctricas del nervio periférico.

El laboratorio del Dr. Yang diseñó un chip neural de alta precisión para adquirir las diminutas señales registradas por los electrodos de los nervios residuales de los amputados.

Luego, el laboratorio del Dr. Zhao desarrolló algoritmos de aprendizaje automático que decodifican señales neuronales en controles manuales.

Red neuronal acelerada por GPU

Aquí es donde entra el aprendizaje profundo.

Los datos recopilados por las señales nerviosas del paciente, y traducidos a señales digitales, se utilizan para entrenar una red neuronal que decodifica las señales en comandos específicos para la prótesis.

Es un proceso que toma tan solo dos horas usando un sistema equipado con una GPU TITAN X o NVIDIA GeForce 1080 Ti. Un día, los usuarios pueden incluso entrenar dichos sistemas en casa, utilizando GPU basadas en la nube.

Estas GPU aceleran un decodificador neuronal de IA diseñado en base a una red neuronal recurrente que se ejecuta en el marco de aprendizaje profundo de PyTorch.

El uso de tales redes neuronales se ha disparado durante la última década, dando a los científicos informáticos la capacidad de entrenar sistemas para una amplia gama de tareas, desde el reconocimiento de imágenes y voz hasta vehículos autónomos, demasiado complejos para abordarlos con la codificación manual tradicional.

El desafío es encontrar hardware lo suficientemente potente para ejecutar rápidamente este decodificador neuronal, un proceso conocido como inferencia, y lo suficientemente eficiente en el consumo de energía como para ser completamente portátil.

Portátil y potente: los núcleos CUDA de Jetson Nano 2021 brindan soporte completo para bibliotecas populares de aprendizaje profundo como TensorFlow, PyTorch y Caffe.

Entonces, el equipo recurrió a Jetson Nano, cuyos núcleos CUDA brindan soporte completo para bibliotecas populares de aprendizaje profundo como TensorFlow, PyTorch y Caffe.

“Esto ofrece la compensación más adecuada entre potencia y rendimiento para nuestra implementación de decodificador neuronal”, explicó Nguyen.

La implementación de esta red neuronal entrenada en el poderoso Jetson Nano del tamaño de una tarjeta de crédito resultó en una mano neuroprotésica portátil y autónoma que brinda a los usuarios control en tiempo real de los movimientos individuales de los dedos.

Al usarlo, Findley demostró un control de alta precisión y baja latencia de los movimientos de los dedos individuales en varios entornos de laboratorio y del mundo real.

El siguiente paso es un sistema inalámbrico e implantable, por lo que los usuarios pueden ponerse un dispositivo protésico portátil cuando sea necesario, sin que ningún cable sobresalga de su cuerpo.

Nguyen ve sistemas de inteligencia artificial robustos y portátiles, capaces de comprender y reaccionar ante el cuerpo humano, que aumentarán una gran cantidad de dispositivos médicos en un futuro cercano.

La tecnología desarrollada por el equipo para crear interfaces neuronales habilitadas para inteligencia artificial tiene la licencia de Fasikl Incorporated, una empresa emergente del laboratorio de Yang.

El objetivo es ser pioneros en los sistemas de neuromodulación para su uso por amputados y pacientes con enfermedades neurológicas, así como por personas sanas que quieran controlar robots o dispositivos pensando en ello.

“Cuando obtengamos la aprobación del sistema para aplicaciones no médicas, pretendo ser la primera persona en implantarlo”, dijo Keefer. “Los dispositivos que puedes controlar simplemente pensando: drones, tu teclado, manipuladores remotos, es el siguiente paso en la evolución”.

 

Por Marcelo Lozano – General Publisher IT Connect Latam

 

NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, NVIDIA Jetson Nano 2021, 

 

93 / 100