-
题名直接脑控机器人接口技术
被引量：25
- 1
-
-
作者
伏云发
王越超
李洪谊
徐保磊
李永程
-
机构
中国科学院沈阳自动化研究所机器人学国家重点实验室
中国科学院大学
-
出处
《自动化学报》
EI
CSCD
北大核心
2012年第8期1229-1246,共18页
-
基金
国家自然科学基金青年基金(60705021)
机器人学国家重点实验室开放课题(08A120C101)资助~~
-
文摘
直接脑控机器人接口(Brain-controlled robot interface,BCRI)是一种新型的人-机器人接口技术,是脑-机器接口/脑-计算机接口(Brain-machine interface,BMI/Brain-computer interface,BCI)在机器人控制领域的重要应用和研究方向.研究者相继在Nature、Science和其他重要国际期刊上报道了相关的实验研究和开发,目前已成为国际前沿研究热点.本文主要围绕BCRI中的控制策略、BMI/BCI模块与机器人多层控制模块的适应和融合、BCRI中的脑信号自适应分类算法以及人、BMI/BCI模块和机器人控制系统的三边自适应展开论述,分析了目前的研究情况、存在的局限和面临的若干重要问题,指出进一步的研究思路和方向.
-
关键词
脑控机器人接口(bcri)
脑-机器接口(BMI)
脑-计算机接口(BCI)
人-机器人接口
-
Keywords
Brain-controlled robot interface （bcri）, brain-machine interface （BMI）, brain-computer interface （BCI） human-robot interface
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于SSVEP直接脑控机器人方向和速度研究
被引量：10
- 2
-
-
作者
伏云发
郭衍龙
李松
熊馨
李勃
余正涛
-
机构
昆明理工大学信息工程与自动化学院
-
出处
《自动化学报》
EI
CSCD
北大核心
2016年第11期1630-1640,共11页
-
基金
国家自然科学基金(61363043
61463024
+4 种基金
81470084)
云南省应用基础研究计划(2013FB026)
云南省级人培项目(KKSY201303048)
云南省教育厅重点项目(2013Z130)
昆明理工大学脑信息处理与脑机交互融合控制(学科方向团队建设经费)资助~~
-
文摘
直接用思维意图来控制机器人而没有大脑外周神经和肌肉的参与是人类的一个梦想,目前这一研究已成为国际前沿热点和突破点.传统的脑控机器人(Brain-controlled robot,BCR)主要控制其方向,而本文旨在探讨能够同时脑控机器人方向和速度的有效方法.采用可分类目标数多、单次识别率高且训练时间短的稳态视觉诱发电位(Steady state visual evoked potentials,SSVEP)脑机交互(Brain-computer/machine interaction,BCI/BMI)方法,为脑控机器人运动规划了向左、向右、前进和后退4个方向,设计了低速、中速和高速3级运动速度并组合了9个脑控指令;进而比较并优化了SSVEP刺激目标布局间距以及刺激目标闪烁时间,采用典型相关分析(Canonical correlation analysis,CCA)进行识别.结果表明恰当设置SSVEP刺激目标数及其布局间距和刺激目标闪烁时间,可以有效提高被试/用户直接脑控机器人的性能;优化的SSVEP刺激范式三结合适应SSVEP解码的典型相关分析,8名被试脑控机器人到达终点平均用时为2分40秒,最少用时1分29秒;同时,在脑控机器人运动过程中触碰障碍平均次数为0.88,最少碰触次数为0.本研究显示基于SSVEP的脑机交互可以作为直接脑控机器人灵活运动的一种可选方法,能够实现对机器人多个运动方向和多级速度的控制;也证实了适当增加刺激目标间距可以有效提高SSVEP-BCI脑控指令识别的正确率,说明了该脑控方法的性能与刺激被试的范式有关;再次验证了CCA算法在基于SSVEP的脑机交互中具有优良的效果.最后,为克服单一SSVEP范式存在的局限,本研究也尝试把该范式与运动想象相结合的混合范式用于脑控机器人方向和速度,并进行了初步的研究,表明可以进一步改善控制速度和提高被试舒适度.本文可望为基于SSVEP或与运动想象混合的脑机交互应用于分级或精细控制机器人方向和速度提供思路,并为直接脑控机器人技术推向实际应用打下一定的基础.
-
关键词
脑控机器人
稳态视觉诱发电位
典型相关分析
脑–机交互
混合脑机接口
-
Keywords
Brain-controlled robot （BCR）
steady state visual evoked potentials （SSVEP）
canonical correlation analysis（CCA）
brain-computer/machine interaction （BCI/BMI）
hybrid-BCI
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于运动相关皮层电位握力运动模式识别研究
被引量：11
- 3
-
-
作者
伏云发
徐保磊
李永程
李洪谊
王越超
余正涛
-
机构
昆明理工大学信息工程与自动化学院
中国科学院沈阳自动化研究所机器人学国家重点实验室
中国科学院大学
-
出处
《自动化学报》
EI
CSCD
北大核心
2014年第6期1045-1057,共13页
-
基金
国家自然科学基金青年基金(60705021)
云南省应用基础研究计划项目(2013FB026)
+1 种基金
云南省级人培项目(KKSY201303048)
云南省教育厅重点项目(2013Z130)资助~~
-
文摘
面向基于脑–机接口(Brain-computer interface,BCI)的脑–机交互控制(Brain-machine interaction control,BMIC)—直接脑控机器人,提出一种新的左、右手握力运动参数范式,在该范式下探索左、右手握力运动相关皮层电位/运动相关电位(Movement-related potentials,MRPs)的时域特征表示并识别握力运动模式.在涉及左、右手4个不同任务的实验中采集了11个健康被试的脑电信号,任务期间要求被试以2种握力变化模式之一完成自愿握力运动,每种任务随机重复30次.不同握力任务之间具有显著差异的运动相关电位特征用于识别握力运动模式.分别用基于核的Fisher线性判别分析和支持向量机识别4个不同的握力运动任务.研究结果进一步证实运动相关电位可以表征握力运动规划、运动执行和运动监控的脑神经机制过程.基于核的Fisher线性判别分析和支持向量机分别获得24±4%和21±5%的平均错误分类率.最小误分类率是12%,所有被试平均最小误分类率为20.9±5%.与传统的仅仅识别参与运动的肢体类型以及识别单侧肢体运动参数的研究相比,本研究可望为脑–机交互控制/脑控机器人接口提供更多的力控制意图指令,奠定了后续的对比研究基础.
-
关键词
运动相关电位
握力运动模式
支持向量机
脑-机接口
脑机交互控制
脑控机器人接口
-
Keywords
Movement-related potentials （MRPs）, grip force movement mode, support vector machine （SVM）, brain-computer interface （BCI）, brain-machine interaction control （BMIC）, brain-controlled robot interface （bcri）
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
