研究人员开发的系统基于轻型机器人手臂。本质上，该机械臂通过基于P300范例的BCI接收来自用户的高级命令。在神经科学中，P300波是人类大脑在决策过程中产生的反应。
研究人员表示，在该项研究中，他们工作的主要目的是实现一个系统，该系统允许用户通过脑机接口(BCI)为机械臂生成高级指令。然后将这些指令转换为自动执行指定任务的运动命令，同时确保用户的安全。”
系统架构
该架构有三个关键组成部分：P300BCI设备，辅助机器人和感知系统。研究人员将这三个元素集成在ROS环境中，ROS是一种著名的机器人应用软件中间件。
该架构的第一个组件P300BCI设备，该设备通过脑电图(EEG)测量大脑中的电活动。然后，它将这些大脑信号转换为可以输入到计算机的命令。
BCI的P300范例利用用户的大脑对外部刺激的反应，即屏幕上的图标闪烁，以允许用户通过每次对所需图标闪烁做出反应(例如计数)来选择屏幕上的元素。这允许用户在一组预定义的元素中执行一组选择，并为机器人创建有关要执行的动作(如对象的操纵)的高级消息。”
为了执行用户想要的动作，研究人员使用了一种名为Kinova Jaco的轻型机器人操作器。这个辅助机器人的控制软件通过BCI接收用户生成的高级指令，并将它们转换为运动命令。其运动控制采用闭环逆运动学算法，可以同时管理不同的任务。
轻型机器人
改进的用户界面
研究人员表示:“我们开发的控制架构允许机器人实现多个优先目标，即在实现操作任务的同时避免与用户和/或外部障碍的碰撞，同时遵守诸如机器人机械限制之类的约束。”
该系统架构的最后一个组成部分是一个基于RGB-D传感器的感知系统。该系统使用KinectOne传感器来检测和定位机器人在工作空间内要操作的物体。该传感器可以检测用户的脸部，还能识别障碍物。
研究人员Arrichiello表示：“我们研究的最终目标是朝着建立可靠而有效的机器人装置的方向发展，该装置最终可以帮助行动不便的用户在没有护理人员持续支持的情况下自主执行日常生活操作。”
研究人员开发基于BCI驱动的辅助机器人
首先试验由单一固定基座机械手组成的系统，，该机械手可以通过标记和预先配置的用户界面识别物体。研究人员现在已经大大改进了该体系结构，允许用户处理更复杂的机器人系统，例如带有双臂的移动机器人。
Arrichiello解释说：“我们还改进了感知模块，该模块现在可以根据对象的形状进行识别和定位。最后，我们致力于感知模块和图形用户界面(GUI)之间的交互，以根据感知模块的检测结果来创建动态GUI（例如，根据所识别对象的数量和类型来更新用户界面）”，如下图所示。
为了评估其架构的性能和有效性，Arrichiello和他的同事进行了一系列实验，获得了非常好的结果，如下图所示。
机器人在识别物体：饮料瓶1、饮料瓶2。【GUI也在动态变化】
机器人拿起饮料瓶
机器人将饮料瓶递给受试者
机器人给受试者喂饮料
在未来，他们的系统可能会改变受运动障碍和身体损伤影响的人的生活，允许他们完成各种各样的操作任务。
“未来的研究将首先着眼于提高体系结构的鲁棒性和可靠性，而不仅仅是增加系统的应用范围，” Arrichiello说。 “此外，我们将测试不同的BCI范例，即以不同的方式使用BCI作为基于运动想象的BCI，以便确定最适合远程操作应用的方式，用户可以在其中使用BCI来控制机器人。而不会将可赋予机器人的运动命令限制为预定义的设置。”
参考
Assistive robot operated via P300-based Brain Computer Interface
techxplore
版权声明：Rose编译
文章仅用于学术交流，不用于商业行为，
若有侵权及疑问，请后台留言，管理员即时删侵！
