该项研究降低了使用大脑信号控制机器人手臂的位置误差

更多技术干货第一时间送达

当前脑机接口(BCI)设计用于位置控制中有两个基本限制。首先，大多数现有方案采用开环控制，因此无法跟踪位置误差，从而导致无法采取必要的在线纠正措施。有一些关于基于闭环脑电图（EEG）的位置控制的研究工作。这些现有的闭环大脑诱发的位置控制方案采用固定顺序的链路选择规则，这往往造成瓶颈，阻碍了有效的控制。其次，现有的大脑感应位置控制器被设计为像传统的一阶系统一样生成位置响应，从而导致较大的稳态误差。该项研究通过有效控制所需的任意顺序保持稳态视觉诱发电位（SSVEP）诱导的链路选择的规定并生成位置控制系统的二阶响应，逐渐减小overshoots / undershoots以减少稳态误差。除上述之外，第三项创新是利用运动想象和P300信号设计混合式脑机接口系统，用于上述应用，通过在位置误差的零交叉处使用速度反转来逐渐减少误差裕度。实验表明，稳态误差降低到0.2%。

近些年，关于脑-机接口实现对物理系统进行精确控制的研究有很多。这些研究致力于利用BCI精确地控制物理系统，比如仅使用用户大脑产生的信号来控制机器人手臂的位置。然而，现有的脑机接口受到两大挑战的阻碍。首先，大多数现有的BCI程序使用开环控制。换句话说，在大脑信号驱动的动作中，这些动作没有包含任何反馈来纠正任何错误。这将导致系统无法采取纠正行动，并导致较大的位置误差，如机械臂超过所需的位置和姿态。

当前的BCI旨在对输入进行顺序响应，而无需进行更精细的调整，这样会导致位置控制中的进一步错误。

来自印度和英国的研究人员通过测量大脑信号并实施巧妙的反馈方案，将大脑控制的机器人手臂的位置误差降低了十分之一，从而大大提高中风患者和和神经肌肉疾病患者的生活质量。

在这项发表在IEEE/CAAJournal of Automatica Sinica的研究中，由于EEG具有无创性、响应时间快和低成本的优点，研究人员仅使用EEG，通过使用复杂的处理技术，研究人员能够从脑电图中分离出控制机器人手臂所需的不同大脑信号。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。在这里，所谓的明显但罕见的刺激是受试者注意到机械臂没有达到他们最初想要的位置。

研究者在该项研究中提出一种在3D空间中控制机器人末端执行器位置的新策略。这里使用的机械臂有6个自由度(DOF)，在任意方向上最大可达580毫米。所有关节沿z轴正角运动方向的坐标系分配如下图所示。

图1

研究者表示目前的工作只使用机械臂的前三个连杆，L1、L2和L3。图2给出了完整的位置控制方案。这里使用了三种不同的大脑信号，包括SSVEP、ERD/ERS和P300来控制机器人手臂在其工作空间中的位置。

图2 提出的位置控制方案的基本框图

在该项研究中，所示使用的脑电图系统：根据标准的10-20电极放置系统放置电极，该系统使用A1和A2作为参考电极，并使用FPz作为公共接地(图3)。内置的50 Hz陷波滤波器消除了电源线干扰。设备以200 Hz的采样率获取EEG信号。

图3 粗体(蓝色)圆表示国际10-20电极放置阵列中所选择的电极位置。

受试者在观察到这一点时，预计会产生一个P300信号。以上四个幻灯片的顺序在一周内重复60次。在下图4中给出了训练过程的一个典型实例，其中包括一个刺激演示，随后是响应刺激的机器人动作。

图4 针对特定控制任务(抓球)的按顺序进行机器人动作

(第一行的左至右，第二行的左至右)的刺激描述(图的标题)

Jadavpur University 教授Amit Konar表示"在这项工作中，P300信号是用来冻结机械臂当前的运动。""由于P300信号的提取和检测需要有限的时间，机器人连杆在运动停止前会穿过目标位置一小段时间。”然后，连杆会在停止前朝最后一个运动的相反方向移动。"

机器人连杆的每一次停止和反转都会降低手臂运动的速度，直到达到最小速度并且移动停止为止。通过引入P300大脑对手臂运动的反馈机制，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%。

该团队计划在该BCI设计的基础上，开发出一种更健壮、噪音不敏感的BCI，进一步接近实现复杂的、大脑控制的身体症状，这将大大改善经肌肉疾病患者的生活质量。

论文信息

A Hybrid Brain-Computer Interface forClosed-Loop Position Control of a Robot Arm

编辑：邹思