运动想象脑机接口控制机器人-单一MI范式

BCI是一种特殊的信息交换系统，它使大脑能够直接与外部环境互动，而不依赖于大脑的外周神经系统和人体的运动系统。随着BCI的快速发展，对于思维正常但患有神经系统疾病或严重残疾的患者，BCI可使他们重新获得锻炼或与环境沟通的能力，提高生活质量。对于健康人群来说，BCI可提供前所未有的感官体验并帮助提高注意力。最近，BCI技术已变得越来越成熟，该技术在医疗康复、娱乐、教育、军事等领域获得了更多关注和认可。

MI-BCI系统通过检测和量化用户运动意图的大脑信号并将其转换为输出控制指令，实现用户的控制目的。该系统通常由三部分组成：信号采集、信号处理和输出设备，系统的整体框架如图2所示。单一MI-BCI系统控制机器人最早出现在2005年。Tanaka等人将用户大脑对左或右肢体运动的想象产生的EEG信号转化为指令，直接控制电动轮椅的左或右转。这项研究也为后来的其他研究提供了一个很好的参考价值。图3（a）是他们在实际环境中对系统的测试。

Chae等人研究了一个由MI-BCI系统控制的人形机器人，通过功率谱分析提取脑电的振幅特征，并根据Fisher"s ratio选择信息特征分量。受试者使用基于机器人头部摄像头实时图像的EEG信号控制人形机器人在室内迷宫中寻找到目标。图3（b）显示了他们的实验过程。如图3（c）所示，Plechawska等人构建了一个直接的BCI，可用于控制机械臂的运动，然而其EEG信号的分类精度很低。因此，该系统的性能需要改进，在图3（d）中，Norman等人设计了一个用于康复治疗的手指机器人外骨骼。12名无障碍受试者使用该机器人用手指游玩了一个为康复治疗设计的电脑游戏。此外，如图3（e），所示Vijayendra等人利用人工神经网络对脑电数据进行分类，实现了四轴无人机的平移和角速度控制。Liu等人提出了一种基于BCI的远程控制双臂机器人。根据ERD/ERS现象，采用基于分类器的支持向量机（SVM）来识别操作者的具体意图，实现对机器人双臂的控制。五名志愿者参加了实验，他们都成功地完成了用大脑信号指挥机器人手臂举起和放下一个箱子的任务。图3（f）证明了这个框架的可行性和普遍性。

单一MI范式诱导的EEG信号使用较少的通道和较低的结构复杂性控制外部机器人系统。因此，它更容易被用户接受。然而，其缺点是对外部设备的有效控制指令很少，系统的整体性能相对较低。