实时移动机器人通过EEG信号检测和避免障碍物.
Karameldeen Omer1,2, Francesco Ferracuti1, Alessandro Freddi1
1Department of Information Engineering, Università Politecnica delle Marche, 60131 Ancona, Italy.
Brain sciences
|May 1, 2025
概括
通过脑计算机接口 (BCI) 将人类反集成到移动机器人中,可以提高导航. 被动BCI提供了较低的心理负载来避免障碍物,而活跃的BCI提供了更高的准确性.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 神经科学是一个神经科学.
- 人与计算机的交互
背景情况:
- 移动机器人需要先进的导航系统来安全地与人互动.
- 将人类反集成到机器人控制环中对于提高安全性和可用性至关重要.
研究的目的:
- 通过EEG脑电脑接口 (BCI) 方法探索将人类反集成到移动机器人控制中.
- 评估当前导航系统中的实时障碍探测和避免BCI范式.
- 为了增强人机交互和安全在辅助机器人.
主要方法:
- 研究了用于轮椅移动机器人导航的被动和主动BCI技术.
- 被动BCI使用与错误相关的潜力 (ErrPs) 来自动纠正错误.
- 主动BCI使用稳定状态视觉唤起潜能 (SSVEPs) 来直接控制用户.
- 实验设置涉及模拟环境,参与者控制和大脑信号分析.
主要成果:
- 被动BCI:分类准确率为72.9%,精神努力较低,参与度较低,任务完成率更高 (例如71%与43%相比).
- 主动BCI:分类准确率为84.9%,认知力度更高,参与度更高.
- 被动BCI的单个ErrP分类使其能够自主避开障碍物,超过了活跃BCI对多个命令的需求.
结论:
- 基于BCI的机器人控制涉及准确性,心理负载和参与度之间的权衡.
- 这些发现支持为老年人和残疾用户开发直观的辅助机器人.
- 被动BCI显示了有效的自主导航的潜力,并减少了用户的认知负担.
