對于有運動障礙或身體殘疾的人來說，完成日常任務和家務是非常具有挑戰性的。機器人技術的最新進展，例如大腦控制的機器人肢體，有可能顯著改善他們的生活品質。
河北工業大學和其他研究機構的研究人員聯合開發了一種基于增強現實 (AR) 和腦機接口的用于控制機械臂的一個新系統。研究人員在《Journal of Neural Engineering》上發表的研究成果中提出了該系統，該項研究讓使用者更容易控制的仿生或假肢的開發成為可能。
研究人員表示，“近年來，随着機械臂、腦科學和資訊解碼技術的發展，腦控機械臂取得了越來越多的成就。然而，靈活性差等缺點限制了它們的廣泛應用。我們的目标是促進腦控機械臂的輕量化和實用性。”
整體系統結構圖。 該系統由AR-BCI子系統和機械臂子系統組成。
該系統內建了AR技術，使用者可以看到周圍環境的增強版，其中包括數字元素和腦控制界面，采用傳統的異步控制方法來控制機器人的四肢。這最終允許使用者實作對機械臂的更大控制，提高運動的準确性和效率。
異步控制方法的靈感來自于人類大腦的運作方式。更具體地說，他們試圖複制大腦在工作和空閑狀态之間切換的能力。
“異步控制的關鍵在于區分機器人系統的空閑狀态和工作狀态，”研究人員表示。“當使用者開始操作我們的機械臂系統後，系統會被初始化為空閑狀态。當受試者想到控制指令時，受試者可以通過狀态切換界面将系統切換到工作狀态。”
機械臂子系統
在研究人員建立的系統切換到工作狀态後，使用者隻需選擇他們想要執行的動作的控制指令，系統就會将其傳輸到他們佩戴的機械臂上。當機械臂接收到這些指令時，它會簡單地執行所需的動作或任務。任務完成後，系統自動傳回空閑狀态。
“我們系統的一個獨特之處是成功內建了AR-BCI、異步控制和用于資料處理的自适應刺激時間調整方法。與傳統的 BCI 系統相比，我們的系統也更加靈活且易于控制。”
該系統的自适應特性使其可以根據使用者使用機械臂時的狀态靈活調整呈現給使用者的 AR 内容的持續時間。這可以顯著減少因看螢幕或數字内容而引起的疲勞。此外，與傳統的BCI相比，該團隊的增強現實系統減少了對使用者身體活動的限制，使他們能夠更輕松地操作機器人手臂。
研究人員表示，“最終，我們能夠成功地內建增強現實、腦機接口、自适應異步控制和一種新的空間濾波算法來分類SSVEP信号，這為腦控機械臂的發展提供了新思路。我們的方法有助于提高大腦控制機械臂的實用性，并加速這項技術在現實生活中的應用。”
用于 BCI 中目辨別别的 mtCCA-TRCA 方法的分步圖。(A) 第一步是獲得四個權重向量：W (n)、W Y (n)、W Z(n) 和 W 1(n)。
用于 BCI 中目辨別别的 mtCCA-TRCA 方法的分步圖。(B) 先計算6個特征值：r1、r2、···、r6，然後用這6個特征值計算最終的特征值。
研究人員在一系列實驗中評估了他們的系統，并獲得了非常不錯的結果。最值得注意的是，研究人員發現他們的系統允許使用者使用機械臂執行他們想要的動作，準确率達到 94.97%。此外，測試其系統的十名使用者能夠在平均 2.04 秒的時間内為機械臂選擇單個指令。總的來說，這些發現表明，他們的系統提高了使用者控制機械臂的效率，同時也減少了他們的視覺疲勞。
機器人手臂控制系統的實驗環境。(A)實驗環境;(B)線上拼圖圖形。上:菱形，下:三角形
未來，研究人員提出的方法可以幫助提高現有和新開發的機械臂的性能。這可以促進這些系統在醫療保健機構和老年護理機構中的實施，使患者和客人能夠獨立參與他們的一些日常活動，進而提高他們的生活品質。
雖然該系統隻在沒有運動障礙或殘疾的使用者身上進行了測試。不過，他們很快也希望與老年使用者或身體殘疾使用者合作對其進行評估，以進一步探索其潛力和适用性。
未來展望
研究人員表示，“我們現在計劃從以下幾個方面着手，以提高該系統在社會生活中的可靠性和實用性。”“首先，在異步控制政策方面，可以利用EOG等生理信号來改善異步控制過程。其次，腦電圖解碼、遷移學習等方法可以進一步改善模型訓練過程。此外，在動态視窗方面，我們可以使用其他預測方法實時修改系統門檻值。