[論文レビュー] Brain-Swarm Interface (BSI): Controlling a Swarm of Robots with Brain and Eye Signals from an EEG Headset

Aamodh Suresh, Mac Schwager|arXiv (Cornell University)|Dec 24, 2016

EEG and Brain-Computer Interfaces参考文献 3被引用数 3

ひとこと要約

本論文は、市販のEEGヘッドセットを用いて脳波と眼球運動を非侵襲的に記録することで、思考と目の動きのみでロボット群を制御できる脳-群間インターフェース（BSI）を提案する。思考の解読に隠れマルコフモデル（HMM）を、眼球運動検出にマルチステップ信号処理を組み合わせ、ポテンシャル場ベースの群制御を動的に調整することで、シミュレーション（128台）および実機実験（3台のM3pi）において、群の分散・凝集・方向制御をリアルタイムで実現した。

ABSTRACT

This work presents a novel marriage of Swarm Robotics and Brain Computer Interface technology to produce an interface which connects a user to a swarm of robots. The proposed interface enables the user to control the swarm's size and motion employing just thoughts and eye movements. The thoughts and eye movements are recorded as electrical signals from the scalp by an off-the-shelf Electroencephalogram (EEG) headset. Signal processing techniques are used to filter out noise and decode the user's eye movements from raw signals, while a Hidden Markov Model technique is employed to decipher the user's thoughts from filtered signals. The dynamics of the robots are controlled using a swarm controller based on potential fields. The shape and motion parameters of the potential fields are modulated by the human user through the brain-swarm interface to move the robots. The method is demonstrated experimentally with a human controlling a swarm of three M3pi robots in a laboratory environment, as well as controlling a swarm of 128 robots in a computer simulation.

研究の動機と目的

• 脳と目からの信号のみを用いて、大規模なロボット群を直感的かつ非侵襲的に制御できる人間-機械インターフェースの開発を目的とする。
• 神経科学、信号処理、制御理論を統合することで、群型ロボット工学におけるBCIの応用の不足を解消することを目的とする。
• 運動機能に障害を有するユーザーが、集団的なロボットの行動によって複雑な環境を操作できるようにすることを目的とする。
• EEGベースの入力を用いて、凝集・分散・方向運動といった群行動をリアルタイムでオンライン制御できることを示すこと。
• 高精度なシミュレーションと物理的実機実験の両方で、システムの妥当性を検証すること。

提案手法

• 市販のEmotiv Epoc EEGヘッドセットを用いて、脳活動および眼球運動の頭皮電気信号を非侵襲的に記録する。
• 複数段階の信号処理を適用し、生のEEGデータから水平および垂直の眼球運動信号をフィルタリングおよび解釈する。
• フィルタリングされた脳信号を、群の凝集または分散を表す離散的思考状態に分類するために、隠れマルコフモデル（HMM）を用いる。
• 解釈された思考状態と眼球運動の方向を、ポテンシャル場ベースの群制御における動的パラメータ（例：ポテンシャル場の形状とスケール）にマッピングする。
• Zigbeeを介して30 Hzで無線で制御命令を個々のM3piロボットに送信し、比例点オフセット制御を用いてモーター速度を生成する。
• リアルタイムのロボットポーズフィードバックおよびライブ動画フィードによる視覚的監視のため、モーションキャプチャシステム（Optitrack）を統合する。

実験結果

リサーチクエスチョン

• RQ1 市販のEEGハードウェアから、非侵襲的かつ効果的に思考による意図と眼球運動信号を両方とも解釈できるハイブリッドBCIシステムは、群制御に適しているか？
• RQ2 解釈された脳信号および眼球運動信号を用いて、リアルタイムで動的に調整可能なポテンシャル場ベースの群制御が、望ましい群行動を実現できるか？
• RQ3 非侵襲的EEG信号のみを用いて、オンラインでリアルタイムに物理的群（3台のM3piロボット）およびシミュレーテッド群（128台のロボット）を制御することは可能か？
• RQ4 人間の認知的負荷がかかる複雑なマルチコンponentシステムにおいて、HMMに基づく思考状態推定および眼球運動検出の信頼性と正確性はいかがなものか？
• RQ5 このようなシステムは、運動機能に障害を有する人々が同時に複数のロボットを直感的かつ実用的に制御できる代替インターフェースとして有効であるか？

主な発見

• 本システムは、EEG信号のみを用いて、物理的な実験室環境で3台のM3piロボット群をリアルタイムで制御することに成功した。
• HMMに基づく思考状態推定は、実験中に凝集と分散の意図を高信頼性で区別できた。
• 眼球運動検出は、4つの連続するセクタを通過する定められた経路に沿って群を正確に誘導し、方向制御の能力を確認した。
• シミュレーションでは、128台のロボット群が、意図したとおりに分散・凝集状態を切り替える複雑な経路に従った。
• ハードウェアおよびシミュレーションの両環境で、安定した性能を維持し、一貫した視覚フィードバックと制御応答が得られた。
• 人間の認知的負荷やハードウェアの複雑さの課題にもかかわらず、複数回の実験試行において信頼性の高い動作を達成した。