SSVEP-based Procedura sperimentale per Brain-Robot Interaction con Humanoid Robots

L'obiettivo generale di questo metodo è quello di stabilire una procedura sperimentale basata su S-S-V-E-P integrando più programmi software per consentire lo studio dell'interazione cervello-robot con robot umanoidi. Ciò è ottenuto al primo posto negli elettrodi EEG su soggetto umano per misurare le risposte cerebrali attraverso un sistema di acquisizione dati EEG. Un'interfaccia utente viene utilizzata per suscitare risposte S-S-V-E-P e per visualizzare un feedback video negli esperimenti di controllo a circuito chiuso.

Il secondo passo consiste nel registrare i segnali EEG dei soggetti per la prima volta per analizzare la funzione S-S-V-E-P offline e per addestrare il classificatore per ciascun soggetto. Successivamente, il processore di segnale online e il controller del robot sono configurati per il controllo online di un Robert umanoide. Come passaggio finale, il soggetto completa tre specifici esperimenti di controllo a circuito chiuso all'interno di ambienti diversi.

Al fine di valutare le prestazioni di interazione con Robert nel cervello, i risultati mostrano la densità spettrale di potenza normalizzata dei segnali cerebrali generati mentre si fissano gli stimoli che sfarfallano a diverse frequenze. Il nostro sistema traduce questi modelli di onde cerebrali in comandi per controllare i comportamenti di Robert. Utilizzando questo approccio, il soggetto è in grado di interagire con i segnali cerebrali umanoidi di Robert Bio.

Ciò consente all'umanoide Robert di eseguire compiti tipici che sono popolari nella ricerca robotica e sono utili nell'assistenza ai disabili. Il vantaggio di questo approccio è la sua affidabilità e flessibilità in quanto è sviluppato integrando più programmi software come open wide graph e software centrale, nonché programmi sviluppati dall'utente relativi a c plus plus e match lab. Questo metodo permette di studiare il robot cerebrale in azione con il robot umanoide.

Questo studio è prospettico nell'assistenza ai malati e agli anziani, nonché nello svolgimento di lavori insalubri o pericolosi. I miei compagni di squadra, Lim e Han, dimostreranno ora il posizionamento dei sensori EEG e mostreranno rispettivamente il metodo di connessione al robot umano. Spiegare l'esperimento alla procedura al soggetto.

Ottenere il consenso a partecipare agli esperimenti. Misurare la circonferenza del soggetto, selezionare la dimensione della cuffia EEG E che si avvicini alla misurazione. Misurare la distanza tra il segno NAS 10% della distanza come riferimento per il rivestimento del cappuccio.

Segnare il punto medio della distanza al vertice sulla posizione cul del soggetto. L'elettrodo cz della calotta EEG E sul vertice allinea il segno del 10% con il punto medio degli elettrodi FP uno e FP due. Assicurarsi che gli elettrodi fz, cz, PZ e OZ si trovino sulla linea mediana della testa.

Spalmare il riferimento di riferimento agli elettrodi con gel conduttivo. Posizionare gli elettrodi di riferimento sugli OID sinistro e destro utilizzando del nastro adesivo. Stringere la cinghia della catena.

Posizionare la siringa con punta smussata nei totere degli elettrodi e iniettare gel conduttivi in ciascun elettrodo nell'ordine seguente. In primo luogo, l'elettrodo di terra e in secondo luogo, i cinque elettrodi utilizzati nell'esperimento O 2 0 1 OZ. PZ e cz. Fate sedere il soggetto su una sedia comoda, a 60 centimetri di fronte a un monitor di stimolo.

Collegare i fili degli elettrodi al sistema di acquisizione dati EEG. Configurare la frequenza di campionamento su un kilohertz. Esaminare la qualità del segnale EEG sul computer dedicato all'elaborazione dati.

Se c'è un problema con l'elettrodo in particolare. Reiniettare i gel per regolare l'impedenza del canale. Flicker quattro immagini di robot che diverse frequenze come stimoli visivi sull'interfaccia utente.

Per la prima volta al soggetto, condurre l'esperimento di addestramento offline per stabilire i vettori di funzionalità S-S-V-E-P e per addestrare il classificatore. Conduci 32 prove per ogni soggetto e registra il tuo segnale cerebrale durante questo processo. All'inizio di una prova, seleziona casualmente uno stimolo come bersaglio e visualizza una freccia gialla sopra di esso.

Un secondo. Successivamente sfarfallare i quattro stimoli visivi a frequenze diverse sull'interfaccia utente per cinque secondi, richiedere al soggetto di concentrarsi sull'obiettivo dello stimolo selezionato mantenendo il movimento del corpo al minimo. Dopo ogni prova, concedi al soggetto tre secondi per rilassarsi e poi inizia la prova successiva.

Al termine di tutte le prove, leggere i dati salvati. Le barre arancioni verticali indicano i trigger per selezionare uno stimolo come bersaglio in cui gli stimoli sfarfallano durante il periodo di cinque secondi. In ogni prova, estrai un apo di dati di tre secondi tra due secondi e cinque secondi dopo l'attivazione.

Calcolare il coefficiente CCA dei dati EEG multicanale con un segnale di riferimento y, che è impostato per essere il segnale di stimolo periodico a determinate frequenze. Il metodo CCA trova i vettori di combinazione lineare per massimizzare il coefficiente di correlazione tra i segnali combinati. Filtra spazialmente i dati EEG multicanale utilizzando i coefficienti CCA calcolati.

Calcola la densità spettrale di potenza dei dati del filtro utilizzando la trasformata rapida del foyer. Normalizza la densità spettrale di potenza rispetto al suo valore medio tra tre hutz e 40 hutz. Quindi calibrare i parametri di classificazione per ciascuna frequenza di stimolo.

Configurare i parametri di classificazione per il soggetto tramite una finestra di impostazione della cancellazione aperta. Avviare il processore di segnale online sul computer di elaborazione dati. Acquisisci i dati EEG dai canali O, 2, 0, 1, OZ, PZ e CZ del sistema EEG ogni 0,5 secondi ed estrai il segmento di dati degli ultimi tre secondi per l'elaborazione online.

Elaborare il segmento di dati utilizzando gli algoritmi descritti nel processo offline. Calcola la densità spettrale di potenza in tempo reale per la classificazione. Quando l'ampiezza della frequenza di una caratteristica è superiore a una data soglia, viene classificato lo sfarfallio dello stimolo alla frequenza corrispondente.

Come obiettivo SSV EEP, avviare il robot umano Noro e stabilire la sua connessione wifi al computer di elaborazione dati. Configura ed esegui il controller del robot, che ha ricevuto i risultati della classificazione dal processore di segnale online e controlla i comportamenti corrispondenti dell'umanoide Robert tramite connessione wireless. Esegui il programma coreografico sul computer dedicato alla presentazione degli stimoli per visualizzare il feedback video in tempo reale dalla telecamera Roberts sull'interfaccia utente.

Richiedere al soggetto di eseguire tre specifici test di controllo a circuito chiuso all'interno di diversi ambienti al fine di valutare le prestazioni di interazione cerebrale con Robert. Questi test sono popolari nella ricerca robotica e sono utili per assistere i disabili e gli anziani nella loro vita quotidiana. Prima di un nuovo compito, informare il soggetto dell'obiettivo del compito e dei comportamenti disponibili per il controllo.

Questi risultati mostrano la procedura di elaborazione dei dati EEG, inclusa l'estrazione dei dati multicanale dell'epoca, il filtraggio spaziale dei dati utilizzando i coefficienti CCA e il calcolo della densità spettrale di potenza normalizzata. Qui viene mostrata la densità spettrale di potenza normalizzata ottenuta in prove singole in cui il soggetto fissa diversi bersagli di sfarfallio. Nei primi esperimenti di controllo a circuito chiuso, l'umano Noah Robert è stato controllato da segnali cerebrali per camminare attraverso gli ostacoli e premere un interruttore della luce sul muro.

I segnali cerebrali sono stati posseduti in tempo reale. Per classificare l'intento di controllo del soggetto, il soggetto ha guardato il feedback video in diretta e ha controllato il comportamento di Robert fissando gli stimoli corrispondenti. Dopo aver raggiunto l'interruttore, il soggetto ha controllato il Robert per accendere la luce.

Nel secondo esperimento, il robot umano è stato guidato continuamente verso la scala seguendo il segnale di uscita sulla base del feedback video. Quando si confrontava con la spia passante, il soggetto controllava Robert per dire, scusami, e aspetta che la spia passante cedesse. Al Robert fu quindi ordinato di camminare verso le scale.

Nel terzo esperimento, l'umanoide Robert è stato controllato con il movimento di tutto il corpo per raggiungere e raccogliere il bersaglio del palloncino e consegnarlo alla mano del soggetto in base al feedback video in diretta. Poiché l'intento umano viene percepito interpretando i segnali EEG del tempo LU, è fondamentale verificare le connessioni elettriche e le qualità del segnale EEG prima di condurre esperimenti. Un altro problema comune durante l'acquisizione di segnali EEG è un'interferenza o artefatti e rumori.

I lombi, la nostra tale interferenza viene migliorata riducendo il movimento del corpo e utilizzando la tecnica multicanale basata su CCA. Il nostro metodo è efficace per progettare una varietà di procedure sperimentali e flessibile per studiare algoritmi e tecniche per l'interazione cervello-robot, in particolare, può essere facilmente utilizzato per esplorare nuove applicazioni BRI.