CONTROL OF A ROBOTIC ARM THROUGH A BRAIN MACHINE INTERFACE WITH MUTUAL LEARNING

• Main Author: ALEXANDRE ORMIGA GALVAO BARBOSA
• Other Authors: MARCO ANTONIO MEGGIOLARO
• Language: Portuguese
• Published: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO 2010
• Online Access: http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=17057@1; http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=17057@2

FUNDAÇÃO DE APOIO À PESQUISA DO ESTADO DO RIO DE JANEIRO === Esse trabalho apresenta o desenvolvimento de uma interface cérebro-máquina (Brain Machine Interface - BMI) como um meio alternativo de comunicação para uso na robótica. O trabalho engloba o projeto e construção de um eletroencefalógrafo (EEG), assim como o desenvolvimento de todos os algoritmos computacionais e demais técnicas necessárias para o reconhecimento de atividades mentais. A interface cérebro-máquina desenvolvida é utilizada para comandar os movimentos de um manipulador robótico MA2000, associando quatro atividades mentais distintas a quatro movimentos do manipulador. A interface baseia-se na análise de sinais eletroencefalográficos, extraindo desses, características que podem ser classificadas como uma atividade mental específica. Primeiramente os sinais EEG são pré-processados, filtrando-se os ruídos indesejados, utilizando filtros espaciais para o aumento da resolução espacial do escalpe, e extraindo-se características relevantes à classificação das atividades mentais. Em seguida, diferentes modelos de classificadores são propostos, avaliados e comparados. Por último, duas implementações dos classificadores são propostas para aumentar o índice de comandos corretos para o manipulador. Em uma das implementações, obtiveram-se taxas de acerto de até 91% dos comandos, enquanto a taxa de comandos incorretos chegou ao mínimo de 1.25% após 400 tentativas de controle do manipulador. === This work presents the development of a brain machine interface as an alternative communication channel to be used in Robotics. It encompasses the implementation of an electroencephalograph (EEG), as well as the development of all computational methods and necessary techniques to identify mental activities. The developed brain machine interface (BMI) is applied to activate the movements of a MA2000 robotic arm, associating four different mental activities to robotic arm commands. The interface is based on EEG signal analyses, which extract features that can be classified as specific mental activities. First, a signal preprocessing is performed from the EEG data, filtering noise, using a spatial filter to increase the scalp signal resolution, and extracting relevant features. Then, different classifier models are proposed, evaluated and compared. Finally, two implementations of the developed classifiers are proposed to improve the rate of successful commands to the robotic arm. In one of the implementations, a rate of successful commands up to 91% was obtained, with wrong commands as low as 1.25%, after 400 attempts to control the robotic arm.