研究降低了使用脑信号控制机器人手臂的错误

导读脑计算机接口已经出现了大量的研究，以努力实现对物理系统的精确控制。通过测量大脑信号并实施巧妙的宣传海报制作反馈方案，来自和英国的研究人员将

脑计算机接口已经出现了大量的研究，以努力实现对物理系统的精确控制。通过测量大脑信号并实施巧妙的反馈方案，来自和英国的研究人员将大脑控制的机器人手臂的位置误差降大学学号低了10倍，从而为大大提高中风和中风患者的生活质量铺平了道路。神经肌肉疾病。

通过测量大脑信号并实施巧妙的反馈方案，来自和英国的研究人员将大脑控制的机器人手臂的位置误差降低了10倍，从而为大大提高中风和中风患者的生活质量铺平了道路。神经肌肉疾病。

脑机接口(BCI)受圣诞节那天到了大量研究的涌入，目的是仅使用用户大脑产生的信号就可以精确，准确地控制物理系统，例如机械臂的位置控制。然而，现有的脑机接口受到两个主要挑战的阻碍。首先，大多数现有的BCI例程都使用开环控制。换句话说，在大脑信号驱动的运动过程中，例程不会包含任何反馈以纠正任何错误。这导致系统无法采取纠正措施，并导致较大的位置误差，例如机械臂超出所需的位置和姿势。

其次，当代的BCI旨在对输入进行顺序响应，而无需进行更精细的调整，从而导致位置控制中的进一步错误。另外，许多BCI利用多个传感器来控制设备的功能。诸如红外光谱，脑电图(EEG)和功能磁共振成像之类的传感器可以结合使用来处理来自大脑的信号。

在这项发表在IEEE / CAA自动化学报上的研究中，研究人员完全依赖脑电图，因为它具有无创性，响应时间快，成本低等优点。通过使用复杂的处理技术，研究人员能够从控制机械臂所需的EEG中划分出不同的大脑信号。然后，研究小组利用了众所周知的大脑信号P300，该信号在受试者注意到明显但罕见的刺激时出现。在这种情况下，当对象注意到机器人手臂没有到达他们最初想要的位置时。

贾达夫普尔大学电子与电信工程系教授，该研究的合著者阿米特·科纳尔(Amit Konar)说：“ P300用于冻结机械臂的当前运动。” “由于P300信号的激发和检测需要有限的时间，因此机器人连杆在运动停止之前会越过目标位置一小段。然后，连杆会在最后运动停止之前反向移动。 ”

机械手链接的每次后续停止和反转都会降低手臂移动的速度，直到达到最小速度并且移动停止为止。通过采用反2020独特的微信号数字馈机制将P300大脑对手北京摇号申请臂运动的反应引入，与以前的最新BCI相比，该团队能够将手臂运动的误差从2.1%降低到0.20%。

该团队计划通过开发更健壮，对噪声不敏感的控制界面来建立其BCI设计，并进一步接近实现复杂的，由心理控制的身体症状，这将大大改善神经肌肉疾病患者的生活质量。