ArmBCIsys:机器人手臂BCI系统与时间频率网络用于多对象抓取

科学领域:

• * 神经科学是一门神经科学.
• * 机器人技术 机器人技术
• * * 信号处理 信号处理

背景情况:

• *脑电脑接口 (BCI) 为身体残疾的人提供了沟通道.
• *解码脑电图 (EEG) 信号,特别是低信号噪声比 (SNR) 下,对于复杂的任务,如多物体抓取,具有挑战性.
• * 现有的系统缺乏强大的解码算法和精确的视觉跟踪,以适用于现实世界的应用.

研究的目的:

• * 开发一个集成的机器人手臂系统 (ArmBCIsys) 用于使用噪声的EEG信号抓取多物体.
• * 在低SNR条件下增强EEG信号解码稳定性.
• * 改进视觉跟踪和细分,以可靠地抓住对象.

主要方法:

• * 提出了一种新型的双分支频率增强网络 (DBFENet),具有缩放时间卷积块 (STCB) 和滴度投影变压器 (DSPT) 用于EEG特征提取.
• * 集成了一个视觉引导的抓取模块 (VisGraspSeg),使用微调的Mask2Former和多中枢交叉与联合 (IoU) 追踪.
• *在自建和两个公共代码调制的视觉唤起潜力 (c-VEP) 数据集上验证了系统.

主要成果:

• *DBFENet在c-VEP数据集上实现了最先进的识别性能.
• * 集成的ArmBCIsys在动态环境中展示了稳定的多对象选择和自动抓取.
• * 该系统有效地解码低SNREEG信号,以精确控制机器人手臂.

结论:

• *ArmBCIsys提供了一个强大的解决方案,可以通过BCI控制机器人手臂,即使有噪音的EEG数据.
• *开发的DBFENet和VisGraspSeg模块显著提升了辅助机器人的BCI能力.
• * 这项技术对医疗保健机器人,辅助设备和工业自动化具有重大前景.