基于低成本脑机接口的电机图像 teleoperation 移动机器人多日验证
机器人学
2024-12-13 v1
摘要
脑机接口（BCI）有望在义体、辅助技术（轮椅）、机器人和人机界面方面提供变革性的控制方式。虽然电机图像（MI）提供了直观的 BCI 控制方法，但其实际应用常受限于昂贵设备、大量训练数据以及复杂算法，导致用户疲劳和可及性降低。本文演示了使用经调整的深度神经网络（DNN）配合滑动窗口，即可在实际场景中实现低成本（约 3000 美元）、16 通道、非侵入式、开源电生理脑机接口（EEG）控制的移动机器人。该方法无需复杂的特征提取，即可实现实时机器人控制。微调过程优化了 DNN 的卷积和注意力层，以适应每个用户每日的 MI 数据流，将训练数据减少 70%，显著降低用户在长时间数据收集过程中的疲劳。系统在单日验证数据集上达到 78% 的准确率，并在三天内保持 75% 的验证准确率，无需针对每日数据进行大规模再训练。在实际场景下的机器人命令分类中，平均准确率达 62%。本研究通过实证证明，MI-BCI 系统能够在降低 DNN 训练数据要求并使用低成本 EEG 设备的情况下，维持数天的稳定性能，从而提升了 BCI 技术的实用性和可及性，使其更适用于实际场景中的机器人控制应用。
引用
@article{arxiv.2412.08971,
title = {Motor Imagery Teleoperation of a Mobile Robot Using a Low-Cost Brain-Computer Interface for Multi-Day Validation},
author = {Yujin An and Daniel Mitchell and John Lathrop and David Flynn and Soon-Jo Chung},
journal= {arXiv preprint arXiv:2412.08971},
year = {2024}
}
备注
IEEE Telepresence 2024