[論文レビュー] A Real-time Control Approach for Unmanned Aerial Vehicles using Brain-computer Interface

R. Vishwanath, Saumya Kumaar Saksena+1 more|arXiv (Cornell University)|Sep 2, 2018

EEG and Brain-Computer Interfaces参考文献 12被引用数 4

ひとこと要約

本論文は、EEG信号を用いて固定翼およびVTOL無人航空機（UAV）をリアルタイムで制御する脳-コンピュータインターフェース（BCI）制御システムを提案する。共通空間パターン（CSP）と線形判別分析（LDA）を組み合わせることで、97 Hzで高速かつ高精度な分類を実現した。2クラス制御では85%の分類精度を達成し、マルチローターUAVでは4クラス制御で最大92%の精度を示した。低遅延かつ高信頼性な安定したマインド制御飛行を実証した。

ABSTRACT

Brain-computer interfacing (BCI) is a technology that is almost four decades old and it was developed solely for the purpose of developing and enhancing the impact of neuroprosthetics. However, in the recent times, with the commercialization of non-invasive electroencephalogram (EEG) headsets, the technology has seen a wide variety of applications like home automation, wheelchair control, vehicle steering etc. One of the latest developed applications is the mind-controlled quadrotor unmanned aerial vehicle. These applications, how- ever, do not require a very high-speed response and give satisfactory results when standard classification methods like Support Vector Machine (SVM) and Multi-Layer Perceptron (MLPC). Issues are faced when there is a requirement for high-speed control in the case of fixed-wing unmanned aerial vehicles where such methods are rendered unreliable due to the low speed of classification. Such an application requires the system to classify data at high speeds in order to retain the con- trollability of the vehicle. This paper proposes a novel method of classification which uses a combination of Common Spatial Paradigm and Linear Discriminant Analysis that provides an improved classification accuracy in real time. A non-linear SVM based classification technique has also been discussed. Further, this paper discusses the implementation of the proposed method on a fixed-wing and VTOL unmanned aerial vehicles.

研究の動機と目的

• 固定翼およびVTOL UAVの信頼性ある制御のため、リアルタイムかつ高速なEEG信号分類の課題に対処すること。
• SVM や MLP といった標準分類器が高速制御シナリオにおいて処理が遅いため、その制限を克服すること。
• 脳信号のみを用いて、安定的で継続的なUAV制御を維持できる、耐障害性が高く低遅延のBCIシステムを開発すること。
• プロトタイプのエレボン制御デルタ翼UAVおよび市販のマルチローターUAVの両方で、システムを検証すること。
• 急速な応答と高い精度を要する複雑な航空機に対して、非侵襲的BCIの実現可能性を示すこと。

提案手法

• EEG信号は、250 HzのサンプリングレートでEMOTIV EPOC+ヘッドセットを用いてリアルタイムで取得した。
• 信号前処理にはアーチファクト除去、バンドパスフィルタリング（8–30 Hz）、およびイベント関連電位（ERP）に基づくエポック化を含めた。
• 特徴抽出には、運動イメージネーションタスクの信号対雑音比を向上させるために共通空間パターン（CSP）手法を用いた。
• 分類には2クラス制御では線形判別分析（LDA）を、4クラス制御では非線形SVM（NLSVM）を用いた。
• システムのリアルタイム処理レートは90–97 Hzであり、UAVへの低遅延コマンド送信を可能にした。
• コマンドはWiFi経由で地上ステーションに送信され、地上ステーションは拡張カルマンフィルタリング（EKF）によるセンサーフュージョンを用いてUAVのフライトコントローラーに高レベルの命令を中継した。

実験結果

リサーチクエスチョン

• RQ1 従来のSVM や MLP といった分類器の遅延制限を克服し、リアルタイムかつ高速なEEG信号分類が可能で、安定したUAV制御が達成できるか？
• RQ2 CSPとLDAの組み合わせは、固定翼UAVにおける運動イメージネーションベースBCIの分類精度と速度を向上させるのにどの程度有効か？
• RQ3 非侵襲的EEGを用いた2クラスおよび4クラスUAV制御タスクにおいて、どの程度の制御精度と応答遅延が達成可能か？
• RQ4 集中時間の長さやメンタルトレーニング（例：ヨガ）といった個人の認知的パフォーマンス要因が、UAV制御におけるBCI分類精度にどのように影響するか？
• RQ5 提案されたBCIフレームワークは、プロトタイプの固定翼UAVおよび市販のマルチローターUAVの両方で成功裏に拡張・検証可能か？

主な発見

• CSP-LDA分類器は97 Hzのリアルタイム処理レートを達成し、動的UAV飛行に適した低遅延制御を可能にした。
• 2クラスLDAベースのシステムは、全被験者平均で85%の分類精度を達成し、ヨガ経験のある被験者10番は98%に達した。
• 4クラスNLSVMベースのシステムは、マルチローターUAVで最大92%の精度を達成し、複雑な制御タスクの実現可能性を示した。
• 被験者10番のパフォーマンス（98%精度）は顕著に高く、ヨガなどのメンタルトレーニングがBCI制御能力を向上させることを示唆した。
• システムは、エレボン搭載デルタ翼プロトタイプUAVおよびAR Parrot 2.0マルチローターUAVの両方で、リアルタイム応答と最小限の遅延を伴い、安定的で継続的な制御を実現した。
• オフライン分析では、ダブルデータセット評価で11%の誤差率を示し、モデルの頑健性および一般化可能性を確認した。