BRIEDGE：面向多脑-多机器人交互的EEG自适应边缘人工智能
信号处理
2024-03-26 v1 人工智能
人机交互
机器学习
机器人学
摘要
基于EEG的BCI技术的最新进展揭示了通过集成传感、计算、通信和控制实现脑-机器人协作的潜力。在本文中，我们提出了BRIEDGE，这是一个通过EEG自适应神经网络和编码-解码通信框架实现多脑-多机器人交互的端到端系统，如图1所示。如图所示，边缘移动服务器或边缘便携式服务器将从用户处收集EEG数据，并利用EEG自适应神经网络来识别用户的意图。然后，编码-解码通信框架对基于EEG的语义信息进行编码，并在数据传输过程中将其解码为命令。为了更好地提取异构EEG数据的联合特征并提高分类精度，BRIEDGE引入了一种基于Informer的ProbSparse自注意力机制。同时，通过动态自编码器和自解码器通信，解决了物理信道下多用户多任务场景的并行和安全传输问题。从移动计算和边缘AI的角度来看，由剪枝、权重共享和量化组成的模型压缩方案也被用于部署在发射端和接收端运行的轻量级EEG自适应模型。基于这些组件的有效性，一个代表各种命令的代码映射使得多个用户能够同时控制多个智能体。我们与最先进工作的对比实验表明，BRIEDGE在异构EEG数据上实现了最佳分类精度，并且在噪声环境下具有更稳定的性能。
引用
@article{arxiv.2403.15432,
title = {BRIEDGE: EEG-Adaptive Edge AI for Multi-Brain to Multi-Robot Interaction},
author = {Jinhui Ouyang and Mingzhu Wu and Xinglin Li and Hanhui Deng and Di Wu},
journal= {arXiv preprint arXiv:2403.15432},
year = {2024}
}