STEROWANIE ROBOTEM MOBILNYM Z

Agata NAWROCKA, Karolina HOLEWA, Katedra Automatyzacji Procesów,
AGH Akademia Górniczo - Hutnicza, Kraków
STEROWANIE ROBOTEM MOBILNYM Z WYKORZYSTANIEM
SYGNAŁU EEG
CONTROLLING THE MOBILE ROBOT USING EEG SIGNAL
Słowa kluczowe: sygnał EEG, robot mobilny, system BCI
1. WSTĘP
W ostatnich latach zaobserwowano dynamiczny rozwój dziedziny zajmującej się
projektowaniem robotów mobilnych. Ogromne zainteresowanie oraz postępy w robotyce
wynikają z ciągle rosnącego zapotrzebowania na roboty, którym powierzane są
skomplikowane oraz odpowiedzialne zadania [1]. Obecnie roboty wykorzystywane są do
zastosowań m.in. militarnych, transportowych, przemysłowych, kosmicznych oraz
medycznych. Wraz z rozwojem robotyki, dynamicznie rozwijają się metody komunikacji
pomiędzy człowiekiem a maszyną. Jedną z najnowszych metod jest wykorzystanie do
sterowania fal mózgowych (sygnał EEG). Metoda ta określana jest w skrócie jako BCI (ang.
Brain Computer Interfaces) lub BMI (ang. Brain Machine Interfaces) [2].
Głównym celem systemów BCI jest odebranie generowanych przez mózg informacji oraz
przetworzenie ich na właściwą komendę sterującą. Wykorzystanie interfejsu pomiędzy ludzkim
mózgiem a maszyną umożliwia nie tylko poznanie funkcjonowania ludzkiego mózgu, ale
przede wszystkim pozwala komunikować się ze światem zewnętrznym osobom dotkniętym
ciężkimi chorobami neurologicznymi jak np.: stwardnienie zanikowe boczne [3].
W pracy przedstawiono praktyczne wykorzystanie sygnału EEG do sterowania robotem
mobilnym – Lego Mindstorms. Rejestracja sygnału EEG odbywa się za pomocą elektrod
pomiarowych rozmieszczonych na czaszce użytkownika. Dzięki wykorzystaniu
bezprzewodowej technologii oraz komercyjnego urządzenia Emotiv EPOC zaproponowano
tanie, mobilne oraz łatwe w obsłudze rozwiązanie umożliwiające sterowanie robotem
mobilnym za pomocą komponentów sygnału EEG.
2. OPIS REALIZACJI PROJEKTU
W projekcie wykorzystano wzrokowe potencjały wywołane (ang. Visual Evoked
Potentials, VEP) powstające w sygnale EEG pod wpływem świetlnego bodźca zewnętrznego
działającego na siatkówkę użytkownika [4]. Z przeprowadzonych wcześniejszych badań
porównujących wyświetlacze LCD, CRT i LED, wynika że najlepszą odpowiedź VEP
uzyskano dla bodźca świetlnego emitowanego przez wyświetlacz LED, dlatego też do
wywołania w projekcie odpowiedzi VEP wykorzystano panel LED. Zaprojektowany panel
składa się z 4 pól pulsujących z różnymi częstotliwościami (28, 30, 32 i 34 Hz). Każdej
z użytych częstotliwości przypisano inny kierunek ruchu robota: 28 Hz –„↑”, 30 Hz – „↓”,
XI Konferencja Naukowa Majówka Młodych Biomechaników im. prof. Dagmary Tejszerskiej
s. 86
Transmisja Danych
32 Hz – „→” oraz 34 Hz – „←”. Sygnał EEG rejestrowany jest z powierzchni głowy
użytkownika przy pomocy komercyjnego urządzenia Emotiv EPOC. Urządzenie składa się
z 14-stu elektrod pomiarowych rozmieszczonych według międzynarodowego systemu 10 – 20.
Zarejestrowane dane za pomocą bezprzewodowej technologii przesyłane są do stacji roboczej
gdzie dochodzi do ekstrakcji cech charakterystycznych (częstotliwość pulsacji bodźca
świetlnego) oraz klasyfikacji komendy. W celu wydobycia z zarejestrowanych sygnałów cech
charakterystycznych wykorzystano analizę widmową oraz klasyfikator neuronowy. Następnie
sklasyfikowana komenda jest przesyłana do robota oraz wyświetlana na monitorze LCD, co
pozwala na wizualne sprawdzenie poprawności sklasyfikowanej komendy. Do realizacji
projektu wykorzystano środowisko LabVIEW. Na Rysunku 1 przedstawiono schemat
blokowy zaproponowanego rozwiązania.
Rys. 1 Schemat blokowy zaproponowanego rozwiązania
Pracę wykonano w ramach grantu o nr NN 502719440
LITERATURA
[1] Redlarski G., Grono A., Dąbrowski M.: Roboty mobilne z autonomiczną nawigacją – stan
obecny i perspektywy na najbliższe lata. Zeszyty Naukowe Wydziału Elektrotechniki i
Automatyki Politechniki Gdańskiej, nr: 20
[2] Paszkiel SZ., Błachowicz A.: Zastosowanie BCI do sterowania robotem mobilnym.
Pomiary, Automatyka i Robotyka, nr: 2/2012
[3] Nawrocka A., Holewa K.: Brain – Computer Interface beased on Steady – State Visual
Evoked Potencials (SSVEP). 14tn International Carpathian Control Conference (ICCC),
pp. 251-254, Rytro, Poland, May 26-29, 2013
[4] Sanei S.: Adaptive Processing of Brain Signals. John Wiley & Sons, United Kingdom,
2013