Credit: Pixabay/ CC0公共领域对于有运动障碍或身体残疾的人来说，完成日常任务和家务可能是难以置信的挑战。机器人技术的最新进展，如大脑控制的机器人肢体，有可能显著提高他们的生活质量。河北工业大学和中国其他研究所的研究人员开发了一种基于增强现实和脑机接口的机器人手臂控制创新系统。该系统发表在《神经工程杂志》上的一篇论文中，能够开发出更易于用户控制的仿生或假肢。
“近年来，随着机械臂、脑科学和信息解码技术的发展，脑控机械臂取得了越来越多的成就，”开展这项研究的研究人员之一罗志国告诉TechXplore。“然而，灵活性差等缺点限制了它们的广泛应用。我们的目标是促进脑控机械臂的轻量化和实用性。”
罗和他的同事开发的系统集成了AR技术，允许用户查看他们周围环境的增强版本，包括数字元素和大脑控制的界面，这是一种控制机器人肢体的传统方法，称为异步控制。这最终使用户能够更好地控制机器人手臂，从而提高最终动作的准确性和效率。
异步控制方法的灵感来自人脑的工作方式。更具体地说，他们试图复制大脑在工作和空闲状态之间交替的能力。
“异步控制的关键点是区分机器人系统的空闲状态和工作状态，”罗解释说。“在用户开始操作我们的机械臂系统后，系统被初始化为空闲状态。当控制命令传到受试者脑海中时，受试者可以通过状态切换界面将系统切换到工作状态。”
在研究人员创建的系统切换到工作状态后，用户只需为他们希望执行的动作选择控制命令，系统就会将其传输到他们佩戴的机械臂上。当机械臂接收到这些命令时，它只需执行所需的动作或任务。任务完成后，系统会自动返回空闲状态。
Credit: Chen等:“我们系统的一个独特之处是成功集成了AR-BCI、异步控制和用于数据处理的自适应刺激时间调整方法，”罗说。"与传统的BCI系统相比，我们的系统也更灵活，更容易控制."
罗和他的同事创建的系统的自适应特性允许它基于用户使用机械臂时的状态灵活地调整呈现给用户的AR内容的持续时间。这可以显著减少因观看屏幕或数字内容而导致的疲劳。此外，与传统的脑机接口相比，该团队的增强现实系统减少了对用户身体活动的限制，使他们能够更轻松地操作机械臂。
“最终，我们能够成功地集成AR、脑机接口、自适应异步控制和一种新的空间滤波算法来对SSVEP信号进行分类，这为脑控机械臂的开发提供了新思路，”罗说。“我们的方法有助于提高脑控机械臂的实用性，并加速这项技术在现实生活中的应用。”
研究人员在一系列实验中评估了他们的系统，并获得了非常有希望的结果。最值得注意的是，他们发现他们的系统允许用户使用机械臂执行他们想要的动作，准确率为94.97%。此外，测试其系统的十名用户能够在平均2.04秒的时间内为机械臂选择单个命令。总的来说，这些发现表明他们的系统提高了用户控制机械臂的效率，同时也减少了他们的视觉疲劳。
将来，这组研究人员提出的方法可以帮助提高现有和新开发的机械臂的性能。这可以促进这些系统在医疗保健环境和老年护理设施中的实施，允许患者和客人独立参与他们的一些日常活动，从而提高他们的生活质量。
到目前为止，罗和他的同事只在没有运动障碍或残疾的用户身上测试了他们的系统。然而，他们很快希望也与老年用户或身体残疾的用户合作对其进行评估，以进一步探索其潜力和适用性。
“我们现在计划从以下几个方面着手，提高系统在社会生活中的可靠性和实用性，”罗补充道。“首先，在异步控制策略方面，EOG等生理信号可以用来改善异步控制过程。其次，脑电解码、迁移学习等方法可以进一步改善模型训练过程。此外，在动态窗口方面，我们可以使用其他预测方法实时修改系统阈值。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
