Towards Probabilistic Inference of Human Motor Intentions by Assistive Mobile Robots Controlled via a Brain-Computer Interface

要約

支援移動ロボットは、障害のある人が自由に移動できる能力を取り戻すのに役立つ革新的なテクノロジーです。
自律型車椅子はユーザーの労力を大幅に軽減しますが、ユーザーが制御を維持し、変化する環境に適応できるようにするには、依然として人間の入力が必要です。
Brain Computer Interface (BCI) は、物理的な動作を必要としない非常にユーザーフレンドリーなオプションとして際立っています。
現在の BCI システムは、ユーザーが加速したいのか減速したいのかを理解できますが、スムーズで連続的な速度調整を可能にするのではなく、これらの変更を離散的な速度ステップで実装します。
この制限により、人間のマイペースな動作に見られる自然な流動的な速度変化をシステムが模倣することができなくなります。
著者らは、BCI 制御ロボット システムにおける知覚と行動のサイクルを再設計することで、この制限に対処することを目指しています。ロボット エージェントがユーザーの動作意図 (世界状態) を解釈する方法を改善し、動作の自然な物理的特性をよりよく反映する方法でこれらの動作を実装します。
慣性や減衰など。
この文書の範囲は、知覚の側面に焦点を当てています。
私たちは、「不完全な、またはノイズの多い感覚観察を最適に認識するために、ロボット エージェントはどのような計算を実行する必要があるか?」という規範的な質問を問い、答えました。
経験的な脳波データが収集され、世界状態分布として機能する確率的表現が敵対生成ネットワーク フレームワークで学習および評価されました。
ROS フレームワークは、屋内スペースのデジタル ツインとロボット車椅子の仮想モデルを含む Gazebo 環境に接続するために確立されました。
信号処理と統計分析は、空間、スペクトル、時間の次元で最も特徴的な特徴を特定するために実装され、ロボット エージェントがユーザーの動作の意図をベイジアン オブザーバーとして解釈するための世界モデルを構築するために使用されます。

要約(オリジナル)

Assistive mobile robots are a transformative technology that helps persons with disabilities regain the ability to move freely. Although autonomous wheelchairs significantly reduce user effort, they still require human input to allow users to maintain control and adapt to changing environments. Brain Computer Interface (BCI) stands out as a highly user-friendly option that does not require physical movement. Current BCI systems can understand whether users want to accelerate or decelerate, but they implement these changes in discrete speed steps rather than allowing for smooth, continuous velocity adjustments. This limitation prevents the systems from mimicking the natural, fluid speed changes seen in human self-paced motion. The authors aim to address this limitation by redesigning the perception-action cycle in a BCI controlled robotic system: improving how the robotic agent interprets the user’s motion intentions (world state) and implementing these actions in a way that better reflects natural physical properties of motion, such as inertia and damping. The scope of this paper focuses on the perception aspect. We asked and answered a normative question ‘what computation should the robotic agent carry out to optimally perceive incomplete or noisy sensory observations?’ Empirical EEG data were collected, and probabilistic representation that served as world state distributions were learned and evaluated in a Generative Adversarial Network framework. The ROS framework was established that connected with a Gazebo environment containing a digital twin of an indoor space and a virtual model of a robotic wheelchair. Signal processing and statistical analyses were implemented to identity the most discriminative features in the spatial-spectral-temporal dimensions, which are then used to construct the world model for the robotic agent to interpret user motion intentions as a Bayesian observer.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google