在机器人的带领下:在运动学习HRI任务中,从EEG预测人类和机器人的运动

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 机器人技术 机器人技术 机器人技术

背景情况:

• 人类的行为通常被组织成连续的感觉运动模式.
• 学习新的序列涉及认知功能和特定的神经机制.
• 了解运动学习和联合行动的神经支对于人机交互至关重要.

研究的目的:

• 研究电脑电图 (EEG) 信号如何反映传感运动序列学习期间的行为过程.
• 在人机交互中探索联合行动的神经编码.
• 为了确定EEG能否在人机协作中解码运动.

主要方法:

• 一个人机交互场景,其中一个机器人演示,一个人模仿指针序列.
• 分析休息,固定和运动期间EEG信号中的事件相关光谱扰动 (ERSP).
• 应用马尔科夫切换线性回归模型来解码EEG数据中的运动.

主要成果:

• 观察到与任务相关的ERSP调节,不同于休息,固定和运动序列.
• 运动序列学习显著调节了ERSP.
• 使用开发的模型,EEG信号成功解码了人类和机器人的运动.

结论:

• 基于EEG的神经生理活动可以反映运动序列学习和联合行动过程.
• 该研究提供了关于运动性能和协作任务的神经编码的见解.
• 在人机交互场景中,EEG具有解码运动的潜力.