基于脑电的汽车信息娱乐控制
人机交互
2020-04-28 v1 机器学习
信号处理
神经元与认知
摘要
如今，在嵌入式系统上运行先进 AI 的可能性使人机自然交互成为可能，尤其在汽车领域。我们提出了一种定制的便携式基于 EEG 的脑机接口（BCI），其利用以 oddball 实验范式诱发的事件相关电位（ERPs）来控制汽车的信息娱乐菜单。该系统在标准实验室环境以及封闭私人赛道驾驶时对 10 名参与者进行了初步评估。任务包括以 oddball 方式重复呈现 6 种不同的菜单图标。使用不同的机器学习方法在仅来自实验室或驾驶实验的脑数据（实验室内与车内模型）或二者结合（混合模型）上训练受试者特定模型，以分类对目标与非目标刺激的 EEG 响应。所有模型均在受试者最后的车内会话上测试，这些会话未用于训练。ERP 幅度分析显示，在实验室和驾驶时，与目标和非目标图标相关的 EEG 响应之间存在统计显著差异（p < 0.05）。在所有训练配置下所有受试者的分类准确率（CA）均高于随机水平，其中在混合集上训练的深度 CNN 取得了最高分数（平均 CA = 53 12 %，6 类判别的随机水平为 16 %）。经典 BCI 方法提供的特征重要性排序表明基于 ERP 的目标与非目标响应区分。实验室内和车内训练集的 CA 之间，以及这些条件下的 EEG 响应之间，未观察到统计差异，表明在标准实验室环境中收集的数据可直接用于实际驾驶应用而无明显性能下降。
引用
@article{arxiv.2004.11978,
title = {Brain-based control of car infotainment},
author = {Andrea Bellotti and Sergey Antopolskiy and Anna Marchenkova and Alessia Colucciello and Pietro Avanzini and Giovanni Vecchiato and Jonas Ambeck-Madsen and Luca Ascari},
journal= {arXiv preprint arXiv:2004.11978},
year = {2020}
}