Hoofdonderzoekers:
Partners:
- Artificial Intelligence research group, Vrije Universiteit Brussel (Brussels Belgium)
- Equipes Traitement de l'Information et Systèmes, CY Cergy Paris Université (Paris, France)
- Robotics and MultiBody Mechanics Research Group, Vrije Universiteit Brussel (Brussels, Belgium)
Doel: Ontwikkelen van een framework voor Brain Computer Interfaces voor de besturing van robotische toestellen met commercieel verkrijgbare hardware.
Korte Inhoud: Brain Computer Interfaces (BCI) verwerken biologische signalen die voortkomen uit hersenactiviteit, om commando's te extraheren die de gebruiker wil geven, en om gebruikers in staat te stellen met een toestel te interageren aan de hand van hun gedachten. De meeste signalen, zoals het elektro-encefalogram (EEG), hebben echter een lage signaal-ruisverhouding (Signal to Noise Ratio, SNR), wat betekent dat de informatie in het signaal verloren gaat in de ruis van andere signalen, zoals oogknipperen of elektrische toestellen. Hierdoor heeft men voor BCI meestal medische apparatuur nodig om signalen aan voldoende hoge kwaliteit te meten. Deze toestellen zijn kostenlijk en meestal niet draagbaar, wat BCI tot nu toe enkel in een ziekenhuis of lab mogelijk maakte.
Om de relevante informatie te halen uit signalen die worden gemeten met draagbare apparatuur die commercieel verkrijgbaar is, zijn algoritmen nodig die bewuste acties van de gebruiker in deze lage SNR-signalen kunnen identificeren. Meestal worden machine learning (ML) algoritmen, die worden getraind op gegevens van proefpersonen die een taak uitvoeren met betrekking tot de informatie die we willen verzamelen, gebruikt om met deze signalen om te gaan. Op dit moment maakt de state-of-the-art in machine learning gebruik van zogenaamde deep learning en neurale netwerken. We streven daarom naar het creëren van een deep learning methode die ons in staat stelt om informatie te extraheren uit commercieel beschikbare sensoren, met als doel het BCI-systeem te gebruiken als een controller voor robotische toestellen.