基于驾驶员脑电图信号的以人为中心的空间认知检测系统用于自动驾驶

科学领域:

• 神经科学是一个神经科学.
• 人与计算机的交互
• 机器人技术 机器人技术 机器人技术

背景情况:

• 由于检测认知状态的局限性,自动驾驶系统难以与驾驶员的意图保持一致.
• 现有的系统往往侧重于意图或危险识别,忽视空间认知.

研究的目的:

• 开发一个以人为中心的系统,使用电脑电图 (EEG) 信号检测驾驶员的空间认知.
• 通过了解司机对相对距离和方向的关注,使自动驾驶系统能够做出与情境相关的决策.

主要方法:

• 开发了一个带有EEG信号预处理和空间认知解码的系统.
• 引入了一种新的双时间特征网络 (DTFNet),集成多尺度的时间特征和EEG解码的注意力机制.
• 研究了空间认知知觉的时间动态.

主要成果:

• 在三类任务中,DTFNet实现了65.67%和50.65%的准确性,在二进制任务中达到84.46%和70.50%.
• 与现有的EEG解码方法相比,其表现优越.
• 观察到相对距离感知比相对方向感知稍晚发生.

结论:

• 拟议的基于EEG的空间认知检测系统增强了自动驾驶决策.
• DTFNet提供了一种有效的方法来从EEG信号中解码复杂的认知状态.
• 研究结果提供了对驾驶员空间认知过程的时间序列的见解.