在线环境下基于通道优化的视觉想象机械臂控制
人机交互
2022-11-28 v1
摘要
脑电图是一种非侵入式地在用户与计算机之间提供双向通路的有效方法。在本研究中,我们采用视觉想象数据来控制基于 BCI 的机械臂。随着用户执行任务,视觉想象会随时间增强视觉皮层 alpha 频段的功率。我们提出了一种深度学习架构,仅使用两个通道解码视觉想象数据,并研究了具有显著分类性能的两个 EEG 通道组合。使用所提方法时,离线实验中使用双通道的最高分类性能为 0.661。此外,在线实验中使用双通道(AF3-Oz)的最高成功率为 0.78。我们的结果提供了利用视觉想象数据控制基于 BCI 的机械臂的可能性。
引用
@article{arxiv.2211.13366,
title = {Channel Optimized Visual Imagery based Robotic Arm Control under the Online Environment},
author = {Byoung-Hee Kwon and Byeong-Hoo Lee and Jeong-Hyun Cho},
journal= {arXiv preprint arXiv:2211.13366},
year = {2022}
}
备注
4 pages, 2 figures, 3 tables