2022-11-18 テキサス大学オースチン校(UT Austin)
脊髄損傷により手足が動かない四肢麻痺の方3名に、雑然とした自然環境の中で車いすを操作してもらい、さまざまな成功体験を得ることができました。研究者らは、このような脳活動を記録し、機械学習アルゴリズムがそれをコマンドに変換して車椅子を駆動させた。
参加者は、脳波(EEG)と呼ばれる脳の電気的活動を記録する電極で覆われた帽子をかぶった。この電気信号は増幅器によってコンピュータに送られ、コンピュータは参加者の意図を解釈し、動作に変換した。
この研究の成功には、2つの重要な力学が大きく寄与しています。1つ目は、ユーザーに対するトレーニングプログラム。
ユーザーは、手や足を動かすことをイメージするように、椅子を動かすことをイメージする方法を教わりました。研究者が被験者を観察していると、命令を出すことで脳の活動が変化しているのがわかる。
2つ目の貢献者は、ロボット工学の技術を借りた。研究者たちは、車いすにセンサーを取り付け、周囲の環境を把握するようにした。さらに、ロボット知能ソフトウェアを導入し、ユーザーのコマンドの空白を埋めて、車いすを正確かつ安全に移動できるようにした。
<関連情報>
- https://news.utexas.edu/2022/11/18/brain-powered-wheelchair-shows-real-world-promise/
- https://www.cell.com/iscience/fulltext/S2589-0042(22)01690-X
重度四肢麻痺者のためのBMI駆動車いすの操作方法の学習 Learning to control a BMI-driven wheelchair for people with severe tetraplegia
Luca Tonin,Serafeim Perdikis,Taylan Deniz Kuzu,Jorge Pardo,Bastien Orset,Kyuhwa Lee,Mirko Aach,Thomas Armin Schildhauer,Ramón Martínez-Olivera,José del R. Millán
iScience Published:November 18, 2022
DOI:https://doi.org/10.1016/j.isci.2022.10541
Highlights
•Three participants learned to drive a non-invasive BMI-actuated wheelchair
•Direct transfer of learned BMI skills to wheelchair control
•Subject learning and robotic intelligence are key to translational BMI-actuated robots
Summary
Mind-controlled wheelchairs are an intriguing assistive mobility solution applicable in complete paralysis. Despite progress in brain-machine interface (BMI) technology, its translation remains elusive. The primary objective of this study is to probe the hypothesis that BMI skill acquisition by end-users is fundamental to control a non-invasive brain-actuated intelligent wheelchair in real-world settings. We demonstrate that three tetraplegic spinal-cord injury users could be trained to operate a non-invasive, self-paced thought-controlled wheelchair and execute complex navigation tasks. However, only the two users exhibiting increasing decoding performance and feature discriminancy, significant neuroplasticity changes and improved BMI command latency, achieved high navigation performance. In addition, we show that dexterous, continuous control of robots is possible through low-degree of freedom, discrete and uncertain control channels like a motor imagery BMI, by blending human and artificial intelligence through shared-control methodologies. We posit that subject learning and shared-control are the key components paving the way for translational non-invasive BMI.
