Onderzoekers van de Universiteit van Cassino en Zuid-Lazio, in Italië, hebben onlangs een geavanceerde architectuur ontwikkeld die de bediening van een ondersteunende robot mogelijk maakt via een op P300 gebaseerde hersencomputerinterface (BCI). Deze architectuur, gepresenteerd in een paper dat vooraf is gepubliceerd op arXiv, zou eindelijk mensen met ernstige bewegingsbeperkingen in staat kunnen stellen manipulatietaken uit te voeren, waardoor hun leven eenvoudiger wordt.

Het door de onderzoekers ontwikkelde systeem is gebaseerd op een lichte robotmanipulator. Eigenlijk, deze manipulator ontvangt op hoog niveau commando's van gebruikers via een BCI op basis van het P300-paradigma. In de neurowetenschappen, P300-golven zijn reacties die worden opgewekt door de hersenen van een mens tijdens het besluitvormingsproces.

"Het belangrijkste doel van ons werk was om een ​​systeem te realiseren waarmee gebruikers op hoog niveau richtlijnen voor robotmanipulators kunnen genereren via hersencomputerinterfaces (BCI's), "Filippo Arichiello, een van de onderzoekers die het onderzoek heeft uitgevoerd, vertelde TechXplore. "Dergelijke richtlijnen worden vervolgens vertaald in bewegingsopdrachten voor de robotmanipulator die autonoom de toegewezen taak uitvoert, terwijl de veiligheid van de gebruiker wordt gewaarborgd."

De door de onderzoekers ontwikkelde architectuur heeft drie belangrijke componenten:een P300 BCI-apparaat, een hulprobot en een waarnemingssysteem. Arichiello en zijn collega's integreerden deze drie elementen in een ROS-omgeving, een gerenommeerde softwaremiddleware voor robotica-toepassingen.

Het eerste onderdeel van de architectuur, het P300 BCI-apparaat, meet elektrische activiteit in de hersenen via elektro-encefalografie (EEG). Het vertaalt deze hersensignalen vervolgens in opdrachten die naar een computer kunnen worden gevoerd.

"Het P300-paradigma voor BCI gebruikt de reactie van de hersenen van de gebruiker op externe stimuli, d.w.z. knipperende pictogrammen op een scherm, om de gebruiker in staat te stellen een element op het scherm te selecteren door te reageren (bijvoorbeeld door te tellen) elke keer dat het gewenste pictogram knippert, "Arrichiello legde uit. "Hierdoor kan de gebruiker een reeks keuzes uitvoeren uit een reeks vooraf gedefinieerde elementen en berichten op hoog niveau voor de robot maken met betrekking tot de uit te voeren actie, zoals de manipulatie van een object."

Om de door de gebruikers gewenste acties uit te voeren, de onderzoekers gebruikten een lichtgewicht robotmanipulator genaamd Kinova Jaco. De besturingssoftware van deze assistentierobot ontvangt via de BCI door de gebruiker gegenereerde richtlijnen op hoog niveau en vertaalt deze in bewegingscommando's. De beweging wordt bestuurd via een inverse kinematisch algoritme met gesloten lus dat tegelijkertijd verschillende taken kan uitvoeren.

"De besturingsarchitectuur die we hebben ontwikkeld, stelt de robot in staat om meerdere en geprioriteerde doelstellingen te bereiken, d.w.z., het uitvoeren van de manipulatietaak terwijl een botsing met de gebruiker en/of met externe obstakels wordt vermeden, en met inachtneming van beperkingen zoals de mechanische limieten van de robot, ' zei Arichiello.

Het laatste onderdeel van de architectuur die door Arrichiello en zijn collega's is bedacht, is een waarnemingssysteem dat is gebaseerd op een RGB-D-sensor (d.w.z. een Microsoft Kinect One), onder andere. Het systeem gebruikt de Kinect One-sensor om objecten die door de robot moeten worden gemanipuleerd in de werkruimte te detecteren en te lokaliseren. De sensor kan ook het gezicht van een gebruiker detecteren, de stand van zijn/haar mond inschatten en obstakels herkennen.

"De praktische implicaties van onze studie zijn vrij eenvoudig en ambitieus, "Arrichiello zei. "Het uiteindelijke doel is om in de richting te gaan van het bouwen van een betrouwbare en effectieve robotopstelling die gebruikers met ernstige mobiliteitsbeperkingen eindelijk kan helpen om autonoom en zonder de constante steun van een verzorger dagelijkse handelingen uit te voeren."

Toen de onderzoekers begonnen te werken aan de ontwikkeling van een ondersteunende robot aangedreven door een BCI, ze experimenteerden eerst met een systeem dat bestond uit een enkele manipulator met een vaste basis die objecten herkent door middel van markeringen en met een vooraf geconfigureerde gebruikersinterface. Ze hebben deze architectuur nu aanzienlijk verbeterd, tot het punt dat het gebruikers in staat stelt om complexere robotsystemen te hanteren, zoals mobiele robots met dubbele armen.

"We hebben ook de waarnemingsmodule verbeterd, die nu objecten kan herkennen en lokaliseren op basis van hun vormen, " legde Arrichiello uit. "Eindelijk, we werkten aan de interactie tussen de perceptiemodule en de grafische gebruikersinterface (GUI) om GUI-dynamiek te creëren in overeenstemming met de detecties van de perceptiemodule (bijv. de gebruikersinterface wordt bijgewerkt op basis van het aantal en het type objecten dat door de waarnemingsmodule op een tafel wordt herkend."

Om de prestaties en effectiviteit van hun architectuur te evalueren, Arichiello en zijn collega's voerden een reeks voorbereidende experimenten uit, veelbelovende resultaten te boeken. In de toekomst, hun systeem zou het leven kunnen veranderen van personen die getroffen zijn door bewegingsbeperkingen en lichamelijk letsel, waardoor ze een breed scala aan manipulatietaken kunnen voltooien.

"Toekomstig onderzoek zal in de eerste plaats gericht zijn op het verbeteren van de robuustheid en betrouwbaarheid van de architectuur, verder gaan dan het vergroten van het toepassingsgebied van het systeem, "Zei Arrichiello. "Bovendien, we zullen verschillende BCI-paradigma's testen, d.w.z. een andere manier om de BCI te gebruiken dan op basis van motorbeelden, om de meest geschikte voor teleoperatieve toepassingen te identificeren, waarbij de gebruiker de robot kan besturen met behulp van de BCI als een soort joystick, zonder het bewegingscommando dat aan de robots kan worden gegeven te beperken tot een vooraf gedefinieerde set."

© 2019 Wetenschap X Netwerk