如今机器人一直出现在科幻小说,但由于新的研究在脑-机接口(bci),他们不再是小说。

好像是让思想控制外部设备。bci是脑和外部设备之间的通信路径,一个人的大脑活动转化为一个信号,控制外部设备,如一个机器人。

研究人员一直致力于bci在相当一段时间内,他们发表了令人印象深刻的结果。2016年,伯特立了NeuroLife设备使用机器学习,套筒的电极刺激选择性手臂的肌肉,和一个芯片植入大脑,使一个瘫痪的人移动自己的手臂。2014年,约翰霍普金斯大学应用物理实验室的研究人员创造了受雇机器人假肢双腿截肢。在这种情况下,目标肌肉神经支配神经手术重新分配,一旦控制病人的胳膊和手,使神经来控制假肢设备。

这些突破可能会大大改善瘫痪病人和截肢者的生活。但是这些系统是专门为每个病人和程序是侵入性极强。这两个什么惊人的工程和科学的共同点是,他们要求病人接受手术。每一个手术都有相关的风险和潜在危险的病人。

也正在采取措施减少所需的手术治疗。伊隆麝香公司Neuralink正在侵害BCI,替换芯片在大脑中“线程”。他背后的一些细节提出了共享系统,包括缝纫机像机器人,线程插入患者的大脑。

目前,手术仍然是必需的。根据《纽约时报》,”该公司说,外科医生必须通过头骨植入线程钻洞。但在未来,他们希望用一束激光皮尔斯与一系列的小孔头骨。”

非侵入式脑机接口

非侵入性技术已经开发出来,但只提供了有限的控制外部设备,通常是一个机器人。系统无法获得足够的大脑的信号提供可靠的操作。现在,来自卡内基梅隆大学的研究人员(CMU)和明尼苏达大学开发了一种非侵入性的BCI系统顺利实时控制机器人手臂。

根据工程设计,“好像没有大脑植入安装那么复杂和危险的但通常产生更慢地控制操作。卡内基梅隆大学团队说,提高精度和响应性的非侵入性的系统可能瘫痪病人的良好前景,或电机严重限制。”

研究小组最近发表了他们的研究科学的机器人。

调情圣手!

为了实现机械臂的运行平稳,BCI必须能够可靠地阅读(意义)和解码从病人足够的神经信号。中央团队使用脑电图(EEG)作为传感方法:研究参与者戴一顶,监测他们的脑电图信号。

“大脑”的BCI方程,他们训练有素的33个健全的参与者与系统研究。“计算机”方面,团队利用机器学习在每个参与者的技能水平差异。

解码EEG信号是研究成功的关键。该团队使用电源成像(ESI),这种技术使用的电比例和几何每个参与者的头。应急服务国际公司,基于matlab的头脑风暴工具箱(可供下载在这里)使用核磁共振成像数据从每个参与者以及脑电图电极位置来改善神经解码。信号处理是使用自定义完成MATLAB脚本。

根据发表的研究中,“戏剧性的改善离线神经解码曾被观察到在使用应急服务国际公司与传统的传感器相比技术。”

MATLAB也被用于研究中的统计分析。结果是令人印象深刻的!团队的独特的方法来解决这一问题不仅增强了BCI学习了近60%,这也增强连续跟踪电脑光标的超过500%。

“尽管技术挑战使用非侵入性信号,我们完全致力于将这个安全、经济技术的人可以从中受益,”他本,本研究首席研究员和卡内基梅隆大学生物医学工程部门的主管说。“这个工作代表一个重要的一步无创性脑-机接口技术有一天可能会成为一个普遍的辅助技术帮助每个人,像智能手机。”