多年来,我们一直在研究使用脑机接口(BMI),给出无法移动自己的手臂引导假肢设备的人。
在Tetroplegia的情况下或由伤害或疾病引起的瘫痪,即使这些信号不能再达到肢体以产生运动,大脑也会继续产生运动相关的命令信号。
这种功能丧失可以限制一个人独立执行许多日常生活活动的能力。
恢复失去功能
通过BMI,我们可以在人的大脑活动和外部设备(例如机器人手臂)之间创建直接连接,以恢复丢失的功能。
在我们最初的研究中,我们使用皮质内微电极阵列来记录运动皮层中大约200个神经元的活动,并表明这种类型的BMI可以用来控制机械手臂,其技术和速度接近健康人。
抓取和运输一个物体是一项复杂的任务,需要手和手臂所有关节的协调。
抓取和运输一个物体是一项复杂的任务,需要手和手臂所有关节的协调。如果这个人感觉到他或她持有的是BMI的情况,那么它变得更加复杂 - 这通常不会提供感官反馈。
我们做了什么?
在Carnegie Mellon机器人学院的我们的合作者,我们试图通过使用计算机愿景来识别工作空间中的对象更容易地提出这些任务。
当用户伸手够到物体后,机械臂可以被编程为自动或自动地稳定握住物体,并允许物体移动而不掉落。
在我们的学习中神经工程与康复杂志因此,我们将从BMI记录的大脑信号中提取的人类意图与自主机器人相结合,以改善BMI在达到和抓取物体方面的表现。我们称之为共享控制。
共享控制允许BMI用户保持对高级动作的控制,比如将手移向物体以及何时抓住,而自主机器人系统则处理动作的细节。
共享控制允许BMI用户维护控制高级运动,如将手向对象掌握,而自主机器人系统处理运动的细节,如定向或保持手打开,直到它在正确的位置。
我们将这些信号混合在一起,以最大限度地提高BMI用户的控制力,同时最大限度地减少潜在的挫败感并降低任务难度。
我们发现了什么?
在我们的研究中,当使用共享控制时,与只使用BMI相比,两名参与者在达到和抓取任务方面都更成功。
除了更准确、更有效的动作外,参与者认为共享控制更容易完成任务。
我们还展示了可以从工作空间中的两个对象中选择一个,这表明用户仍然控制着任务。
在未来的工作中对这一点进行扩展
还需要做更多的工作,以扩大自主机器人系统可以识别的对象的数量和类型。我们还希望用户能够选择在某些情况下是否使用共享控件,并允许他们以不同的方式与对象进行交互,比如拿起一个对象而不是仅仅将其推到桌子上。
我们还将继续研究平衡用户和自动化系统之间控制的最佳方式,以提供高性能,同时确保用户感到设备是可靠的,并在许多情况下响应他们的命令。
评论