[論文レビュー] Towards Artificial Learning Companions for Mental Imagery-based Brain-Computer Interfaces

Léa Pillette, Camille Jeunet+3 more|arXiv (Cornell University)|May 23, 2019

EEG and Brain-Computer Interfaces参考文献 76被引用数 9

ひとこと要約

本稿では、社会的・感情的・認知的次元でのフィードバック向上を通じて、画像想起ベースの脳-コンピュータインターフェース（MI-BCI）における訓練を強化するための人工的学習コンpanionの提案を行う。人間らしさを再現した対話、適応型フィードバック、認知モデリングを統合することで、現在のBCI訓練における不十分なフィードバックを是正し、ユーザーの成功確率とシステムの信頼性を研究環境を越えて向上させる可能性を秘めている。

ABSTRACT

Mental Imagery based Brain-Computer Interfaces (MI-BCI) enable their users to control an interface, e.g., a prosthesis, by performing mental imagery tasks only, such as imagining a right arm movement while their brain activity is measured and processed by the system. Designing and using a BCI requires users to learn how to produce different and stable patterns of brain activity for each of the mental imagery tasks. However, current training protocols do not enable every user to acquire the skills required to use BCIs. These training protocols are most likely one of the main reasons why BCIs remain not reliable enough for wider applications outside research laboratories. Learning companions have been shown to improve training in different disciplines, but they have barely been explored for BCIs so far. This article aims at investigating the potential benefits learning companions could bring to BCI training by improving the feedback, i.e., the information provided to the user, which is primordial to the learning process and yet have proven both theoretically and practically inadequate in BCI. This paper first presents the potentials of BCI and the limitations of current training approaches. Then, it reviews both the BCI and learning companion literature regarding three main characteristics of feedback: its appearance, its social and emotional components and its cognitive component. From these considerations, this paper draws some guidelines, identify open challenges and suggests potential solutions to design and use learning companions for BCIs.

研究の動機と目的

• 現在のMI-BCI訓練プロトコルの信頼性が低いため、10–30%のユーザーが有用な制御を達成できない問題に対処する。
• 人間らしさを持つ特徴を有するコンピューターシミュレートキャラクター（学習コンpanion）が、BCI訓練におけるフィードバック品質をどのように向上させられるかを調査する。
• 外観、社会的・感情的、認知的次元において、しばしば不十分である既存のフィードバックシステムの限界を克服する。
• 社会的および認知的相互作用を通じてMI-BCIにおけるスキル習得を支援する、適応的かつユーザーに特化したフィードバックのフレームワークを構築する。
• BCI研究と教育心理学の間のギャップを埋めるために、協同学習の原則と感情的フィードバックの概念を統合する。

提案手法

• 外観、社会的・感情的、認知的側面という3つのフィードバック次元について、BCIフィードバックシステムおよび学習コンpanionに関する既存の文献をレビューする。
• 個々のユーザーの認知状態および心理的プロファイルに応じて、適応的かつマルチモーダルなフィードバックを提供する人工的学習コンpanionのフレームワークを提案する。
• 視覚的・聴覚的・触覚的フィードバックを統合することで、ユーザーの関与度とパフォーマンスモニタリングを向上させる。
• ユーザーモデリングを活用し、パフォーマンス指標と口頭で述べられた戦略に基づいて、リアルタイムでフィードバックを適応させる。
• 認知モデリング技術を用いてMI-BCIタスクのターゲットスキルを定義し、worked examples（模範例）と自己説明を介してスキル習得を支援するフィードバックを設計する。
• 実験者バイアスを低減するため、BCI研究におけるダブルブラインド実験デザインを可能にするために、学習コンpanionの活用を検討する。

実験結果

リサーチクエスチョン

• RQ1 学習コンpanionは、MI-BCI訓練におけるフィードバックの社会的および感情的側面をどのように改善し、ユーザーの動機付けと関与度を高められるか？
• RQ2 ユーザーが自分の画像想起戦略を理解し、改善できるようにするための認知的フィードバック戦略は、どのように設計できるか？
• RQ3 個々のユーザーの心理的プロファイルおよび認知状態に適応することで、学習成果を最適化する人工的学習コンpanionはどのように実現できるか？
• RQ4 ユーザーが自ら策定した戦略や自己説明は、効果的なMI-BCI制御をモデル化・支援するトレーニングコンpanionにおいて、どのような役割を果たすか？
• RQ5 学習コンpanionは、BCI評価における実験者バイアスを低減するダブルブラインド実験デザインをどのように支援できるか？

主な発見

• 現在のBCI訓練プロトコルは、信頼性の低いフィードバックを提供しており、これがユーザーの有用な制御達成率が10–30%にとどまる要因となっている。
• 学習コンpanionは、社会的・感情的・認知的次元を統合した適応的かつマルチモーダルなフィードバックを提供することで、訓練を強化できる。
• 模範例の提供と戦略の口頭化を促すことで、効果的な画像想起技法の習得を支援できる。
• MI-BCIタスクの認知モデリングはまだ発展途上であるが、ターゲットスキルと整合するパフォーマンスベースのフィードバックを設計する上で不可欠である。
• 人工的学習コンpanionは、ダブルブラインド実験デザインを可能にすることで、実験者バイアスを低減し、BCI評価の妥当性を向上させることができる。
• 学習コンpanionをBCIシステムに統合することで、ユーザーがフィードバックから利益を得ると同時に、コンpanionのモデルがユーザーとの相互作用とデータを通じて改善される、双方向の学習ループが実現される。