[논문 리뷰] Towards Artificial Learning Companions for Mental Imagery-based Brain-Computer Interfaces

Léa Pillette, Camille Jeunet외 3명|arXiv (Cornell University)|2019. 05. 23.

EEG and Brain-Computer Interfaces참고 문헌 76인용 수 9

한 줄 요약

이 논문은 정신적 상상력 기반 뇌-컴퓨터 인터페이스(MI-BCI) 훈련을 향상시키기 위해 사회적, 정서적, 인지적 수준에서 피드백을 개선하는 인공 학습 동반자를 제안한다. 인간처럼 상호작용하고, 적응형 피드백을 제공하며, 인지 모델링을 통합함으로써 학습 동반자는 현재 BCI 훈련에서의 열악한 피드백을 해결할 수 있으며, 이는 사용자 성공률과 시스템 신뢰도를 연구 환경을 넘어서 높일 잠재력을 지닌다.

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.

연구 동기 및 목표

• 현재 MI-BCI 훈련 프rotocol의 낮은 신뢰성으로 인해 10–30%의 사용자가 사용 가능한 제어를 확보하지 못하는 문제를 해결한다.
• 인간처럼 행동하는 특성을 지닌 컴퓨터 시뮬레이션 캐릭터인 학습 동반자가 BCI 훈련에서 피드백 품질을 향상시킬 수 있는 방법을 조사한다.
• 기존 피드백 시스템의 한계를 극복한다. 이러한 시스템은 외관, 사회적, 정서적, 인지적 차원에서 종종 부적절하다.
• 사용자 맞춤형 적응형 피드백 프레임워크를 개발하여, 사회적 상호작용과 인지적 상호작용을 통해 MI-BCI에서의 기술 습득을 지원한다.
• BCI 연구와 교육 심리학 간 격차를 메우기 위해 협동 학습 원칙과 정서적 피드백 원리를 통합한다.

제안 방법

• BCI 피드백 시스템과 학습 동반자에 관한 기존 문헌을 검토하며, 외관, 사회/정서, 인지 구성 요소의 세 가지 피드백 차원을 다룬다.
• 개인의 인지 상태와 심리적 프로파일에 맞춘 적응형, 다중 모odal 피드백을 제공하는 인공 학습 동반자에 대한 프레임워크를 제안한다.
• 사용자 참여도 향상과 성능 모니터링을 강화하기 위해 다감각 피드백(시각적, 청각적, 촉각적)을 통합한다.
• 사용자 모델링을 활용해 성과 지표와 구두로 표현된 전략에 기반해 실시간으로 피드백을 조정한다.
• 인지 모델링 기법을 활용해 목표 MI-BCI 기술을 정의하고, 예제 문제 해결과 자기 설명을 통해 기술 습득을 지원하는 피드백을 설계한다.
• BCI 연구에서 이중 망각 실험 설계를 가능하게 하여 연구자 편향을 줄이기 위해 학습 동반자를 활용하는 방법을 탐색한다.

실험 결과

연구 질문

• RQ1 학습 동반자는 MI-BCI 훈련에서 피드백의 사회적 및 정서적 구성 요소를 어떻게 향상시켜 사용자의 동기와 참여도를 높일 수 있는가?
• RQ2 사용자가 정신적 상상력 전략을 이해하고 개선할 수 있도록 도와주는 인지적 피드백 전략은 어떻게 설계할 수 있는가?
• RQ3 사용자의 심리적 프로파일과 인지 상태에 맞춰 인공 학습 동반자를 어떻게 적응시켜 학습 성과를 최적화할 수 있는가?
• RQ4 사용자가 스스로 만든 전략과 자기 설명은 학습 동반자가 효과적인 MI-BCI 제어를 모델링하고 안내하는 데 어떤 역할을 할 수 있는가?
• RQ5 학습 동반자는 BCI 평가에서 연구자 편향을 줄이기 위해 어떻게 이중 망각 실험 설계를 지원할 수 있는가?

주요 결과

• 현재 BCI 훈련 프로토콜은 부적절한 피드백을 제공하여, 사용자 중 10–30%가 신뢰할 수 있는 제어를 확보하지 못하는 낮은 성공률을 초래한다.
• 학습 동반자는 사회적, 정서적, 인지적 차원을 통합한 적응형 다중 모달 피드백을 제공함으로써 훈련을 향상시킬 수 있다.
• 예제 문제 해결을 제공하고 사용자가 자신의 전략을 말로 표현하도록 유도함으로써 효과적인 정신적 상상력 기법의 개발을 지원할 수 있다.
• MI-BCI 작업의 인지 모델링는 아직 발전이 부족하지만, 목표 기술과 일치하는 성과 기반 피드백을 설계하는 데 필수적이다.
• 인공 학습 동반자는 이중 망각 실험 설계를 가능하게 하여 연구자 편향을 줄이고 BCI 평가의 타당성을 높일 수 있다.
• 학습 동반자를 BCI 시스템에 통합하면 이중 방향 학습 루프가 형성된다. 사용자는 피드백으로부터 이점을 얻고, 동반자의 모델은 사용자 상호작용과 데이터를 통해 향상된다.