STEROWANIE ROBOTEM MOBILNYM Z
Transkrypt
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