SSVEP basada Procedimiento Experimental para la interacción cerebro-Robot con Humanoid Robots

El objetivo general de este método es establecer un procedimiento experimental basado en S-S-V-E-P mediante la integración de múltiples programas de software para permitir el estudio de la interacción del cerebro del robot con los robots humanoides. Esto se logra con el primer lugar en electrodos de EEG en sujetos humanos para medir las respuestas cerebrales a través de un sistema de adquisición de datos de EEG. Se utiliza una interfaz de usuario para obtener respuestas S-S-V-E-P y para mostrar retroalimentación de vídeo en los experimentos de control de bucle cerrado.

El segundo paso es registrar las señales de EEG de los sujetos por primera vez para analizar su característica S-S-V-E-P fuera de línea y entrenar el clasificador para cada sujeto. A continuación, el procesador de señal en línea y el controlador del robot se configuran para el control en línea de un Robert humanoide. Como paso final, el sujeto completa tres experimentos específicos de control de bucle cerrado dentro de diferentes entornos.

Con el fin de evaluar el rendimiento de la interacción cerebro-Robert, los resultados muestran la densidad espectral de potencia normalizada de las señales cerebrales generadas mientras se mira fijamente los estímulos que parpadean a diferentes frecuencias. Nuestro sistema traduce estos patrones de ondas cerebrales en comandos para controlar los comportamientos de Robert. Usando este enfoque, el sujeto es capaz de interactuar con las señales cerebrales del humanoide Robert Bio.

Esto permite al humanoide Robert realizar tareas típicas que son populares en la investigación robótica y son útiles para ayudar a los discapacitados. La ventaja de este enfoque es su fiabilidad y flexibilidad, ya que se desarrolla mediante la integración de múltiples programas de software, como el gráfico abierto y el software central, así como programas desarrollados por el usuario relacionados con c plus plus y match lab. Este método permite estudiar el cerebro del robot en acción con el robot humanoide.

Este estudio es prospectivo en la asistencia a enfermos y ancianos, así como en la realización de trabajos insalubres o peligrosos. Mis compañeros de equipo, Lim y Han, ahora demostrarán la ubicación de los sensores de EEG y mostrarán el método de conexión al robot humano, respectivamente. Explique el experimento al procedimiento.

Obtener el consentimiento para participar en experimentos. Mida la circunferencia del sujeto, seleccione el tamaño del gorro de EEG E que esté cerca de la medición. Mida la distancia entre la marca NAS 10% de la distancia como referencia para el revestimiento de la tapa.

Marque el punto medio de la distancia en el vértice en la posición cul del sujeto. El electrodo cz de la tapa de EEG E en el vértice alinea la marca del 10% con el punto medio de los electrodos FP uno y FP dos. Asegúrese de que los electrodos fz, cz, PZ y OZ estén en la línea media de la cabeza.

Unta la referencia de referencia a los electrodos con gel conductor. Coloque los electrodos de referencia en los OID izquierdo y derecho con cinta médica. Apriete la correa de la cadena.

Coloque la jeringa de punta roma en los cilindros de los electrodos e inyecte geles conductores en cada electrodo en el siguiente orden. Primero, el electrodo de tierra y segundo, los cinco electrodos utilizados en el experimento O 2 0 1 OZ. PZ y cz. Siente al sujeto en una silla cómoda, a 60 centímetros frente a un monitor de estímulos.

Conecte los cables de los electrodos al sistema de adquisición de datos de EEG. Configure la frecuencia de muestreo a un kilohercio. Examine la calidad de la señal de EEG en la computadora de procesamiento de datos dedicada.

Si hay un problema con el electrodo en particular. Vuelva a inyectar geles para ajustar la impedancia del canal. Parpadeo de cuatro robots imágenes que diferentes frecuencias como estímulos visuales en la interfaz de usuario.

Por primera vez, el sujeto realiza el experimento de entrenamiento fuera de línea para establecer sus vectores de características S-S-V-E-P y entrenar el clasificador. Realice 32 ensayos para cada sujeto y registre su señal cerebral a lo largo de este proceso. Cuando se inicie una prueba, seleccione aleatoriamente un estímulo como objetivo y muestre una flecha amarilla sobre él.

Un segundo. Más tarde, parpadeo los cuatro estímulos visuales a diferentes frecuencias en la interfaz de usuario durante cinco segundos, solicite al sujeto que se concentre en el objetivo de estímulo seleccionado mientras mantiene el movimiento corporal al mínimo. Después de cada prueba, dale al sujeto tres segundos para que se relaje y luego comienza la siguiente prueba.

Cuando finalicen todas las pruebas, lea los datos guardados. Las barras verticales de color naranja indican los disparadores para seleccionar un estímulo como objetivo, los estímulos parpadean durante el período de cinco segundos. En cada prueba, extraiga un apo de datos de tres segundos entre dos segundos y cinco segundos después del disparo.

Calcule el coeficiente CCA de los datos de EEG multicanal con una señal de referencia y, que se establece para ser la señal de estímulo periódica a ciertas frecuencias. El método CCA encuentra los vectores de combinación lineal para maximizar el coeficiente de correlación entre las señales combinadas. Filtre espacialmente los datos de EEG multicanal utilizando los coeficientes CCA calculados.

Calcule la densidad espectral de potencia de los datos del filtro utilizando la transformada rápida del vestíbulo. Normalizar la densidad espectral de potencia con respecto a su valor medio entre tres hutz y 40 hutz. A continuación, calibrar los parámetros de clasificación para cada frecuencia de estímulo.

Configure los parámetros de clasificación para el sujeto a través de una ventana de configuración de barrido abierta. Inicie el procesador de señal en línea en el ordenador de procesamiento de datos. Adquiera datos de EEG de los canales O, 2, 0, 1 OZ, PZ y CZ del sistema de EEG cada 0,5 segundos y extraiga el segmento de datos de los últimos tres segundos para su procesamiento en línea.

Procese el segmento de datos utilizando los algoritmos descritos en el proceso fuera de línea. Calcule la densidad espectral de potencia en tiempo real para la clasificación. Cuando la amplitud de la frecuencia de una característica está por encima de un umbral dado, se clasifica el estímulo que parpadea a la frecuencia correspondiente.

Como objetivo SSV EEP, inicie el robot humano Noro y establezca su conexión wifi con la computadora de procesamiento de datos. Configure y ejecute el controlador del robot, que recibió los resultados de la clasificación del procesador de señales en línea y controla los comportamientos correspondientes del humanoide Robert a través de una conexión inalámbrica. Ejecute el programa de coreografía en la computadora de presentación de estímulos dedicada para mostrar comentarios de video en vivo de la cámara Roberts en la interfaz de usuario.

Solicite al sujeto que realice tres pruebas específicas de control de circuito cerrado dentro de diferentes entornos para evaluar el rendimiento de la interacción cerebral con Robert. Estas pruebas son populares en la investigación robótica y son útiles para ayudar a los discapacitados y ancianos en su vida diaria. Antes de una nueva tarea, informe al sujeto del objetivo de la tarea y los comportamientos disponibles para el control.

Estos resultados muestran el procedimiento de procesamiento de datos de EEG, incluida la extracción de la época de datos multicanal, el filtrado espacial de los datos mediante coeficientes CCA y el cálculo de la densidad espectral de potencia normalizada. Aquí se muestra la densidad espectral de potencia normalizada obtenida en ensayos individuales en los que el sujeto mira fijamente a diferentes objetivos parpadeantes. En los primeros experimentos de control de circuito cerrado, el humano Noah Robert fue controlado por señales cerebrales para caminar a través de obstáculos y presionar un interruptor de luz en la pared.

Las señales cerebrales se poseían en tiempo real. Para clasificar la intención de control del sujeto, el sujeto vio la retroalimentación de video en vivo y controló el comportamiento de Robert mirando los estímulos correspondientes. Después de llegar al interruptor, el sujeto controló el Robert para que encendiera la luz.

En el segundo experimento, el robot humano fue navegado continuamente hacia la escalera siguiendo la señal de salida basada en la retroalimentación de video. Al enfrentarse al espía transeúnte, el sujeto controlaba al Robert para que dijera, disculpe, y esperara a que el espía transeúnte cediera el paso. A continuación, se controló al Robert para que caminara hacia la escalera.

En el tercer experimento, el humanoide Robert fue controlado con un movimiento de cuerpo completo para alcanzar y recoger el objetivo del globo y entregarlo a la mano del sujeto en función de la retroalimentación de video en vivo. Debido a que la intención humana se percibe mediante la interpretación de las señales de EEG en tiempo LU, es fundamental verificar las conexiones eléctricas y las cualidades de la señal de EEG antes de realizar experimentos. Otro problema común al adquirir señales de EEG es una interferencia o artefactos y ruidos.

Los lomos, nuestra interferencia me tal se mejora al reducir el sujeto de movimiento corporal y utilizar la técnica multicanal basada en CCA. Nuestro método es efectivo para diseñar una variedad de procedimientos experimentales y flexible para investigar algoritmos y técnicas para la interacción cerebro-robot, especialmente si se puede usar fácilmente para explorar nuevas aplicaciones BRI.