机器人设计在解码人类观察者 EEG 信号中错误相关信息的作用
人机交互
2018-10-05 v2 神经元与认知
摘要
为使机器人辅助设备在日常生活中得到应用，错误机器人动作的检测与处理是协作系统开发的核心问题，尤其当系统通过脑信号控制时。然而，可能场景的多样性以及所用机器人系统的差异性，对从脑信号记录（如通过 EEG）解码错误构成了挑战。例如，机器人助手的人形外观是否会影响解码性能尚不清楚。本文设计了一项研究，其中两台不同机器人以错误和正确两种方式执行同一任务。我们发现人类观察者的错误相关 EEG 信号表明，错误解码性能与机器人设计无关。然而，我们能够证明，通过 EEG 信号识别哪台机器人执行了指令任务是可行的。在此情形下，深度卷积神经网络（deep ConvNets）可达到显著高于正则化线性判别分析（rLDA）以及滤波器组共空间模式（FB-CSP）结合 rLDA 的准确率。我们的结果表明，从 EEG 解码机器人动作成功信息，尤其在使用深度神经网络时，可能是适用于广泛机器人设计的一种可行方法。
引用
@article{arxiv.1807.01597,
title = {The role of robot design in decoding error-related information from EEG signals of a human observer},
author = {Joos Behncke and Robin Tibor Schirrmeister and Wolfram Burgard and Tonio Ball},
journal= {arXiv preprint arXiv:1807.01597},
year = {2018}
}