面向由脑机接口控制的辅助移动机器人对人类运动意图的概率推断

辅助移动机器人是一项变革性技术，可帮助残障人士恢复自由移动的能力。尽管自动轮椅显著减少了用户的体力消耗，但仍需人类输入以允许用户保持控制并适应不断变化的环境。脑机接口（BCI）作为一种无需身体运动的极具用户友好性的选择脱颖而出。当前的BCI系统能够理解用户是否想要加速或减速，但它们以离散的速度步长实现这些变化，而不允许平滑、连续的速度调整。这一限制阻碍了系统模仿人类自主运动中自然、流畅的速度变化。作者旨在通过重新设计BCI控制机器人系统中的感知-动作循环来解决这一限制：改进机器人智能体解释用户运动意图（世界状态）的方式，并以更好地反映运动的自然物理属性（如惯性和阻尼）的方式实施这些动作。本文的范围聚焦于感知方面。我们提出并回答了一个规范问题：“机器人智能体应执行什么计算以最优地感知不完整或含噪的感官观测？”我们收集了经验脑电（EEG）数据，并在生成对抗网络（GAN）框架中学习并评估了作为世界状态分布的概率表示。我们建立了ROS框架，将其与包含室内空间数字孪生和机器人轮椅虚拟模型的Gazebo环境相连接。我们实施了信号处理和统计分析，以识别空间-频谱-时间维度中最具区分性的特征，随后利用这些特征构建世界模型，使机器人智能体作为贝叶斯观察者来解释用户的运动意图。