进步的被动BCI:对两个时间衍生特征的可行性研究和基于效果大小的特征选择在持续的在线基于EEG的机器错误检测中
Yanzhao Pan1,2, Thorsten O Zander1, Marius Klug1,2
1Chair of Neuroadaptive Human-Computer Interaction, Brandenburg University of Technology Cottbus-Senftenberg, Cottbus, Germany.
Frontiers in neuroergonomics
|May 30, 2024
概括
这项研究提出了一种新的方法,用于实时检测使用电脑电图 (EEG) 信号在人机器人协作中的错误. 该方法在在线测试中实现了高精度和低误报警率,提高了辅助设备的可靠性.
科学领域:
- 神经科学和人工智能 人工智能
- 人与机器人的交互
- 生物医学工程 生物医学工程
背景情况:
- 大脑计算机接口 (BCI) 集成EEG用于自适应的人机器人协作.
- 使用EEG测量错误相关潜力 (ErrPs) 的在线错误检测提高了辅助设备的可靠性.
- 挑战包括有效的分类,文物减少和EEG信号的非静止性.
研究的目的:
- 开发和验证基于EEG的连续在线机器错误检测的综合方法.
- 解决人机交互中实时错误检测的挑战.
- 为了证明一个强大的,连续运行的错误检测系统的可行性.
主要方法:
- 在离线阶段开发了一个模型,使用两个时间衍生特征和基于效果大小的特征选择.
- 实施了轻量级噪声过方法,用于在线会议,而无需重新校准.
- 在现场在线竞赛中测试了该模型,检测了位运动中的错误.
主要成果:
- 在离线阶段实现了89.9%的平均交叉验证准确度.
- 在实时在线会议中表现出持续的表现3个月后培训没有重新校准.
- 保持低的1.7%的错误报警率与快速响应时间.
结论:
- 验证了基于EEG的在线BCI的时间衍生特征的整合和基于效果大小的选择.
- 引入了一种创新的连续在线错误预测方法,具有有效的噪声排斥.
- 展示了在神经适应技术和人机交互中无检测错误的可行方法.
