[en] CONTROL OF A ROBOTIC ARM THROUGH A BRAIN MACHINE INTERFACE WITH MUTUAL LEARNING

Detalhes bibliográficos
Ano de defesa: 2011
Autor(a) principal: ALEXANDRE ORMIGA GALVAO BARBOSA
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: MAXWELL
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=17057&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=17057&idi=2
http://doi.org/10.17771/PUCRio.acad.17057
Resumo: [pt] Esse trabalho apresenta o desenvolvimento de uma interface cérebro-máquina (Brain Machine Interface - BMI) como um meio alternativo de comunicação para uso na robótica. O trabalho engloba o projeto e construção de um eletroencefalógrafo (EEG), assim como o desenvolvimento de todos os algoritmos computacionais e demais técnicas necessárias para o reconhecimento de atividades mentais. A interface cérebro-máquina desenvolvida é utilizada para comandar os movimentos de um manipulador robótico MA2000, associando quatro atividades mentais distintas a quatro movimentos do manipulador. A interface baseia-se na análise de sinais eletroencefalográficos, extraindo desses, características que podem ser classificadas como uma atividade mental específica. Primeiramente os sinais EEG são pré-processados, filtrando-se os ruídos indesejados, utilizando filtros espaciais para o aumento da resolução espacial do escalpe, e extraindo-se características relevantes à classificação das atividades mentais. Em seguida, diferentes modelos de classificadores são propostos, avaliados e comparados. Por último, duas implementações dos classificadores são propostas para aumentar o índice de comandos corretos para o manipulador. Em uma das implementações, obtiveram-se taxas de acerto de até 91% dos comandos, enquanto a taxa de comandos incorretos chegou ao mínimo de 1.25% após 400 tentativas de controle do manipulador.