Интерфейсы мозг-компьютер стали объектом большого количества исследований, направленных на обеспечение точного и точного управления физическими системами. Измеряя сигналы мозга и внедряя хитроумную схему обратной связи, исследователи из Индии и Великобритании снизили позиционную ошибку в манипуляторах роботов, управляемых мозгом, в 10 раз, открыв путь к значительному повышению качества жизни людей, страдающих от инсультов и инсультов. нервно-мышечные расстройства.
Измеряя сигналы мозга и внедряя хитроумную схему обратной связи, исследователи из Индии и Великобритании снизили позиционную ошибку в манипуляторах роботов, управляемых мозгом, в 10 раз, открыв путь к значительному повышению качества жизни людей, страдающих от инсультов и инсультов. нервно-мышечные расстройства.
Интерфейсы мозг-компьютер (BCI) подверглись большому притоку исследований, направленных на обеспечение точного и точного управления физическими системами, такими как управление положением роботизированных рук, с использованием только сигналов, генерируемых мозгом пользователя. Однако существующим интерфейсам мозг-компьютер препятствуют две основные проблемы. Во-первых, большинство существующих подпрограмм для BCI используют управление без обратной связи. Другими словами, процедуры не включают никакой обратной связи во время движения, управляемого сигналами мозга, для исправления любых ошибок. Это приводит к тому, что система не может предпринять корректирующие действия, и приводит к большим позиционным ошибкам, таким как рука робота выходит за желаемое положение и позу.
Во-вторых, современные BCI предназначены для последовательного реагирования на входные данные без более тонких настроек, что приводит к дальнейшим ошибкам в позиционном управлении. Кроме того, многие BCI используют несколько датчиков для управления функциональностью устройства. Датчики, такие как инфракрасная спектроскопия , электроэнцефалография (ЭЭГ) и функциональная магнитно-резонансная томография, могут использоваться в комбинации для обработки сигналов от мозга.
В этом исследовании, опубликованном в IEEE / CAA Journal of Automatica Sinica , исследователи полагались исключительно на ЭЭГ из-за ее неинвазивности, быстрого времени отклика и низкой стоимости. Используя сложные методы обработки, исследователи смогли разделить различные сигналы мозга от ЭЭГ, необходимые для управления рукой робота. Затем команда использовала хорошо известный сигнал мозга, P300, который появляется, когда субъект замечает значительный, но редкий стимул. В этом случае, когда субъект замечает, что роботизированная рука не достигает положения, которое они изначально хотели.
«P300 используется для остановки текущего движения манипулятора», — сказал Амит Конар, профессор кафедры электроники и техники телекоммуникаций Джадавпурского университета и соавтор исследования. «Поскольку для извлечения и обнаружения сигнала P300 требуется ограниченное время, роботизированная связь пересекает целевую позицию на небольшую величину, прежде чем движение будет остановлено. Затем связь перемещается в направлении, обратном последнему движению, прежде чем она будет остановлена.»
Каждая последующая остановка и реверс роботизированного звена снижает скорость, с которой движется рука, до тех пор, пока не будет достигнута минимальная скорость и движение не прекратится. Представив реакцию мозга P300 на движение руки через механизм обратной связи, команда смогла снизить ошибку движений руки с 2,1% до 0,20% по сравнению с предыдущим современным BCI.
Команда планирует развить свой дизайн BCI, разработав более надежный, нечувствительный к шуму интерфейс управления, приближаясь к реализации сложных физических симптомов, контролируемых разумом, которые значительно улучшат качество жизни людей с нервно-мышечными расстройствами.