SSVEP основе экспериментальной процедуры для мозгов Robot взаимодействия с человекоподобных роботов

Общая цель этого метода состоит в том, чтобы создать экспериментальную процедуру, основанную на S-S-V-E-P, путем интеграции нескольких программ, чтобы обеспечить изучение взаимодействия мозгового робота с гуманоидными роботами. Это достигается за счет первого помещения электродов ЭЭГ на человека для измерения реакций мозга с помощью системы сбора данных ЭЭГ. Пользовательский интерфейс используется для получения ответов S-S-V-E-P и отображения видеообратной связи в экспериментах по управлению с обратной связью.

Второй шаг заключается в том, чтобы записать сигналы ЭЭГ у испытуемых в первый раз, чтобы проанализировать вашу функцию S-S-V-E-P в автономном режиме и обучить классификатор для каждого субъекта. Далее процессор онлайн-сигналов и контроллер робота настроены на онлайн-управление гуманоидом Робертом. В качестве последнего шага испытуемый выполняет три конкретных эксперимента с замкнутым контуром управления в различных условиях.

Чтобы оценить эффективность взаимодействия мозга с Робертом, результаты показывают нормализованную спектральную плотность мощности сигналов мозга, генерируемых при взгляде на стимулы, мерцающие на разных частотах. Наша система преобразует эти мозговые волны в команды для управления поведением Роберта. Используя такой подход, субъект способен взаимодействовать с сигналами гуманоида Роберта Био Брейнина.

Это позволяет гуманоиду Роберту выполнять типичные задачи, которые популярны в исследованиях робототехники и помогают инвалидам. Преимуществом этого подхода является его надежность и гибкость, поскольку он разработан путем интеграции нескольких программ, таких как открытое программное обеспечение с широким графом и центральное программное обеспечение, а также программ, разработанных пользователями, связанных с c plus plus и match lab. Этот метод позволяет изучить мозг робота в действии с человекоподобным роботом.

Это исследование является перспективным для оказания помощи больным и пожилым людям, а также для выполнения антисанитарных или опасных работ. Мои товарищи по команде, Лим и Хан, теперь продемонстрируют размещение датчиков ЭЭГ и покажут метод подключения к человеку без робота соответственно. Объясните испытуемому от эксперимента к процедуре.

Получить согласие на участие в экспериментах. Измерьте окружность испытуемого, выберите размер шапочки Е ЭЭГ, который близок к измерению. Измерьте расстояние между меткой NAS 10% от расстояния в качестве ориентира для подкладки колпачка.

Отметьте середину расстояния в вершине в положении объекта cul. Электрод cz колпачка E EEG на вершине совмещает отметку 10% с серединой первого и двух электродов FP. Убедитесь, что электроды fz, cz, PZ и OZ находятся на средней линии головы.

Смажьте эталон электродов проводящим гелем. Поместите электроды сравнения на левый и правый ОИД с помощью медицинской ленты. Затяните ремешок цепи.

Поместите шприц с тупым наконечником в электроды и введите проводящие гели в каждый электрод в следующем порядке. Во-первых, заземляющий электрод, а во-вторых, пять электродов, использованных в эксперименте O 2 0 1 OZ. PZ и cz. Усадите испытуемого в удобное кресло на расстоянии 60 сантиметров от стимульного монитора.

Подключите электродные провода к системе сбора данных ЭЭГ. Настройте частоту дискретизации с частотой дискретизации в один килогерц. Проверьте качество сигнала ЭЭГ на специальном компьютере для обработки данных.

Если возникла проблема с конкретным электродом. Повторно введите гели для регулировки импеданса канала. Мерцание четырех изображений роботов с разными частотами в качестве визуальных стимулов на пользовательском интерфейсе.

В первый раз испытуемый проведет эксперимент по обучению в автономном режиме, чтобы установить векторы признаков S-S-V-E-P и обучить классификатор. Проведите 32 испытания для каждого субъекта и записывайте сигналы своего мозга на протяжении всего процесса. Когда начнется испытание, случайным образом выберите один стимул в качестве цели и покажите над ним желтую стрелку.

Секунду. Позже покажите четыре визуальных стимула на разных частотах в пользовательском интерфейсе в течение пяти секунд, попросите испытуемого сфокусироваться на выбранной цели стимула, сведя движения тела к минимуму. После каждой попытки дайте испытуемому три секунды на отдых, а затем приступайте к следующей попытке.

Когда все пробные версии будут завершены, прочитайте сохраненные данные. Вертикальные оранжевые полосы указывают на триггеры для выбора стимула в качестве мишени, в течение которого стимулы мерцают в течение пятисекундного периода. В каждой попытке извлекайте трехсекундный апо данных между двумя секундами и пятью секундами после триггера.

Вычислите коэффициент CCA многоканальных данных ЭЭГ с помощью опорного сигнала y, который задан как сигнал периодического стимула на определенных частотах. Метод CCA находит векторы линейной комбинации для максимизации коэффициента корреляции между объединенными сигналами. Пространственно отфильтруйте многоканальные данные ЭЭГ с помощью рассчитанных коэффициентов CCA.

Рассчитайте спектральную плотность мощности данных фильтра с помощью быстрого преобразования фойе. Нормализуем спектральную плотность мощности по отношению к ее среднему значению между 3 и 40 хуц. Затем откалибруйте параметры классификации для каждой частоты стимула.

Настройте параметры классификации для объекта с помощью открытого окна настроек вайпа. Запустите онлайн сигнальный процессор на компьютере обработки данных. Получайте данные ЭЭГ из каналов O 2, 0, 1 OZ, PZ и CZ системы ЭЭГ каждые 0,5 секунды и извлекайте сегмент данных за последние три секунды для онлайн-обработки.

Обработайте сегмент данных с помощью алгоритмов, описанных в автономном процессе. Рассчитайте спектральную плотность мощности в реальном времени для классификации. Когда амплитуда одной характерной частоты превышает заданный порог, мерцание стимула на соответствующей частоте классифицируется.

В качестве цели SSV EEP запустите робота Noro и установите его Wi-Fi-соединение с компьютером обработки данных. Настройте и запустите контроллер робота, который получает результаты классификации от онлайн-сигнального процессора и управляет соответствующими действиями гуманоида Роберта через беспроводное соединение. Запустите программу хореографии на специальном компьютере для презентации стимулов, чтобы отобразить в реальном времени видеосвязь с камеры Робертса в пользовательском интерфейсе.

Попросите испытуемого выполнить три конкретных контрольных теста с обратной связью в различных условиях, чтобы оценить эффективность взаимодействия мозга с Робертом. Эти тесты популярны в исследованиях робототехники и помогают инвалидам и пожилым людям в их повседневной жизни. Перед началом новой задачи сообщите субъекту о цели задачи и доступных моделях поведения для управления.

Эти результаты показывают процедуру обработки данных ЭЭГ, включая извлечение многоканальной эпохи данных, пространственную фильтрацию данных с использованием коэффициентов CCA и расчет нормированной спектральной плотности мощности. Здесь показана нормированная спектральная плотность мощности, полученная в одиночных попытках, в которых испытуемый смотрит на разные мерцающие цели. В первых экспериментах с замкнутым контуром управления человеком Ноем Робертом управляли сигналами мозга, чтобы он проходил через препятствия и нажимал на выключатель света на стене.

Сигналы мозга передавались в режиме реального времени. Чтобы классифицировать контрольные намерения испытуемого, испытуемый смотрел видеосвязь в реальном времени и контролировал поведение Роберта, глядя на соответствующие стимулы. Дойдя до выключателя, испытуемый управлял Робертом, чтобы включить свет.

Во втором эксперименте человек-робот непрерывно двигался к лестнице по указателю выхода на основе видеообратной связи. При столкновении с прохожим шпионом субъект контролировал Роберта, чтобы тот сказал: «Извините», и ждал, пока прохожий шпион уступит дорогу. Затем Роберт должен был идти к лестнице.

В третьем эксперименте гуманоид Роберт управлялся с помощью движений всего тела, чтобы дотянуться до цели воздушного шара и доставить ее в руку испытуемого на основе видеообратной связи в реальном времени. Поскольку намерение человека воспринимается путем интерпретации сигналов ЭЭГ по времени ЛУ, крайне важно проверить электрические связи и качество сигнала ЭЭГ перед проведением экспериментов. Еще одной распространенной проблемой при получении сигналов ЭЭГ являются помехи или артефакты и шумы.

Поясница, наша такая интерференция улучшается за счет уменьшения движения тела субъекта и использования многоканальной техники на основе CCA. Наш метод эффективен для разработки различных экспериментальных процедур и гибок для исследования алгоритмов и методов взаимодействия мозгового робота, в частности, может быть легко использован для изучения новых приложений BRI.