مسابقه رابط مغز و رایانه در Cybathlon 2016
چکیده
رابط های مغز و رایانه جریان الکتریکی تولید شده توسط مغز را اندازه گیری می کنند، آن را به دستوراتی ترجمه می کنند و سپس برای ماشین ارسال می شود. با این وجود قضاوت در مورد اینکه با استفاده از رابط مغز و رایانه کاربر با چه سرعتی قادر به انجام دادن کاری است بدون آزمایش آن در موقعیت های واقعی دشوار است. در رویدادی به نام Cybathlon 2016 ما یک مسابقه در مورد رابط بین مغز و کامپیوتر ترتیب دادیم دراین رویداد شرکت کنندگانی حضور داشتند که دارای فلج هر دو دست و پا بودند و در یک بازی رایانه ای از رابط های مغز و رایانه برای پیمایش بین موانع استفاده می کردند. این مقاله خلاصه بازی مسابقه ای، فناوری هایی که شرکت کنندگان استفاده کرده اند و نتایج مسابقه است. این مسابقه نشان داد که رابط های مغز و رایانه می توانند به مردم در انجام کارهایشان کمک کنند اما در صورت بروز خطا تقریباً بی فایده هستند. در آینده از بازی مسابقه ایی می توان برای مقایسه فن آوری های مختلف رابط های مغز و رایانه و بررسی عواملی که بر عملکرد چنین رابط هایی تأثیر می گذارند استفاده کرد و زمینه را برای پیشرفت فن آوری هموار کرد.
رابط های مغز و رایانه چه هستند و چگونه از انها استفاده می شود؟ چه می شود اگر بتوانید ماشین ها را با ذهن کنترل کنید؟ به نظر می رسد این یک موضوع علمی تخیلی باشد اما در واقع این حوزه علمی است که ماشینی فعالیت الکتریکی مغز فرد را بخواند، اهداف مورد نظر شخص را از آن استخراج کرده و این اطلاعات را به رایانه ارسال کند.(BCIs) امواج الکتریکی تولید شده توسط مغز را اندازه گیری می کند سپس سیگنال های الکتریکی را برای تشخیص الگوهایی که ممکن است نشان دهنده هدف فرد و یا آنچه که مغز او تلاش می کند تا بدنش انجام دهد بررسی می شود. BCI ابزاری مفید برای افرادی است که نمی توانند اندام خود را حرکت دهند این افراد می توانند از BCI برای کنترل صندلی های چرخدار و یا نوشتن پیام استفاده کنند. اما از آنجا که الکتریسیته مغز ضعیف است و باید از سطح پوست سر اندازه گیری شود (نه از داخل جمجمه) برای BCI سخت است که دقیقا اهداف فرد را از طریق امواج الکتریکی اندازه گیری شده شناسایی کند.
بنابراین چگونه BCI را ارزیابی می کنید تا بفهمید آیا در دنیای واقعی مفید است؟
محققان معمولاً اندازه گیری های مغز را جمع آوری کرده و آنها را در یک رایانه ذخیره می کنند سپس از این اندازه گیری ها در مقایسه نرم افزارهای مختلف BCI برای شناسایی “بهترین” نرم افزار استفاده می کنند. با این حال، این فقط به محققان اجازه می دهد تا نحوه واکنش BCI به داده های از پیش ضبط شده را تعیین کنند و به آنها می گوید که فرد با چه سرعتی و با چه دقتی می تواند یک کار را با BCI انجام دهد. در مراسمی برای افراد معلول ما یک مسابقه BCI ترتیب دادیم که در آن فناوری های مختلف BCI با توجه به سرعت استفاده کاربران از هر فناوری برای تکمیل یک بازی رایانه ای مسابقه ای مقایسه می شد. این اولین مقایسه رویکردهای مختلف BCI در “دنیای واقعی” بود هنگام کامل کردن یک کار در یک محیط پر سر و صدا در زمان مشخص شده.
کدام نوع از bcl ها اجازه شرکت در این رقابت را داشتند؟
از آنجا که می خواستیم BCI های مختلف را به روشی منصفانه مقایسه کنیم، در مورد انواع BCI هایی که می شد استفاده کرد قوانینی وضع کردیم. BCI هایی اجازه شرکت داشتند که فعالیت مغز را بدون شکافتن پوست و تحریک مغز اندازه گیری می کردند. با اینکه چند فناوری مختلف وجود دارد که این معیارها را برآورده می کند، تمام شرکت کنندگان از BCI بر اساس الکتروانسفالوگرافی (EEG) استفاده کردند (فرآیند اندازه گیری فعالیت الکتریکی مغز با استفاده از الکترودهای قرار گرفته بر روی جمجمه)، EEG روشی است که از الکترودهای کوچک استفاده می کند، قطعه ای تشکیل شده از موادی که الکتریسیته را هدایت می کند و برای اندازه گیری سیگنال های الکتریکی روی بدن فرد یا حیوان قرار می گیرد، الکترودها با استفاده از کابل به کامپیوتر متصل می شوند. شرکت کنندگان می توانستند به هر اندازه ایی که می خواهند از الکترودها استفاده کنند و همچنین می توانستند از ژل غلیظ روی الکترودها برای ایجاد تماس بهتر با پوست استفاده کنند. در BCI الکترودهای EEG توسط کابلهایی به رایانه متصل می شوند که اندازه گیری های الکتریکی را “خوانده” و آنها را به مقادیر دیجیتالی تبدیل می کند. در حالی که شرکت کنندگان می توانستند از هر نرم افزاری برای بدست آوردن اطلاعات مفید از اندازه گیری EEG استفاده کنند همه آنها از نرم افزاری متشکل از چهار مرحله استفاده کردند .
فیلتر کردن: پاک سازی اندازه های گرفته شده تا نویزهای ناشی از حرکت چشم و سر را از بین ببرد.
استخراج ویژگی: تعداد زیادی از اندازه گیری ها را کاهش می دهد تا فقط مهمترین اطلاعات را ارائه دهد.
تشخیص الگو: جستجوی الگوها در اندازهای تقلیل داده شده برای تشخیص اینکه کاربر قصد انجام چه کاری را دارد. مثل دستور (چرخش)، دستور(پرش) یا حتی بدون دستور بودن.
خروجی: ارسال دستور تشخیص داده شده به بازی مسابقه ایی.
نرم افزارهای دقیق استفاده شده در هر مرحله از یک کامپیوتر به کامپیوتر دیگر متفاوت بود و این تأثیر زیادی بر کارایی BCI داشت.
برای تولید دستورات کاربران باید در مورد چیزهای خاصی فکر می کردند که باعث ایجاد الگوی خاصی از فعالیت الکتریکی در مغز می شود و BCI می تواند با استفاده از اندازه گیری EEG انها را شناسایی کند، در بیشتر موارد این افکار خاص در مورد حرکت قسمت خاصی از بدن بود. به عنوان مثال، شرکت کننده در مورد حرکت دادن بازوی چپ به عنوان فرمان ۱ فکر میکرد،حرکت دادن بازوی راست به عنوان دستور ۲ و راه رفتن برای دستور ۳، در بعضی موارد شرکت کنندگان از تصاویر ذهنی استفاده می کردند به عنوان مثال شرکت کننده در ذهن خود ریاضی حل می کرد. (به عنوان دستور ۱)
بازی مسابقه ای
بازی BrainRunners (ساخته شده توسط دانشگاه هنر زوریخ و ETH زوریخ، سوئیس) در شکل ۱ نشان داده شده است این بازی اجازه می دهد تا چهار نفر از BCI برای کنترل آواتارهای پیست اتومبیلرانی استفاده کنند. این بازی برای BCI طوری طراحی شده است که می تواند سه دستور مختلف ارسال کند. بنابراین مسیر دارای چهار قسمت (شرایط پیمایش) است:
قسمت بدون ورودی : جایی که هیچ فرمانی نباید ارسال شود .
بادهای در حال چرخش (فیروزه ای) : جایی که کاربران باید دستور چرخش را برای بالا بردن سرعت استفاده کنند.
بلوک های مانع (بنفش) : جایی که کاربران باید دستور “پرش” را برای پرش از روی موانع ارسال کنند.
لیزرها (زرد) : جایی که کاربران باید دستور “سر خوردن” را برای سر خوردن از زیر لیزرها ارسال کنند.
شکل ۱ – تصویری است از بازی BrainRunners که به چهار نفر امکان می دهد آواتارهای رباتیک را در مسیرهای موازی مسابقه حرکت دهند. هر مسیر از قسمت های مختلف “اکشن” تشکیل شده است که در آن رقبا باید سرعت صحیح را با استفاده از رابط مغز و رایانه برای سرعت بخشیدن به آواتارهای خود ارسال کنند (“چرخش” برای فیروزه ای، “پرش” برای بنفش، “سر خوردن” برای زرد) و همچنین قسمتهای خاکستری “بدون ورودی” جایی که رقبا نباید از رابط مغز و رایانه استفاده کنند. این بازی توسط دانشگاه هنر زوریخ تکوین داده شده است.
اگر یک کاربر دستور اشتباهی را ارسال کند(به عنوان مثال “پرش” روی یک قسمت زرد یا هر دستوری در یک قسمت بدون ورودی) آواتار او کند می شود. این طرح به این دلیل مورد استفاده قرار گرفت که BCI ها بعضی مواقع دستوری را برای ماشین ارسال می کنند حتی زمانی که کاربر نمی خواهد این کار را انجام دهد.
شرکت کنندگان ما
BCIبیشتر توسط افراد مبتلا به تترپلاژیا (عدم توانایی در حرکت دادن دستها و پاها) استفاده می شود. زیرا BCI راهی برای استفاده این افراد از رایانه فراهم می کند. هر تیم شامل گروهی از دانشمندان و یک نفر مبتلا به تتراپلژی بود که خلبان نامیده می شد. دانشمندان به تکوین و تنظیم BCI می پرداختند و خلبان بازی را انجام میداد. در رویداد Cybathlon 2016 یازده تیم از سراسر جهان در مسابقه BCI شرکت کردند. به طور خاص این تیم ها به Ecole Polytechnique Federale Lausanne ، University Radboud ، University of Essex TU Darmstadt ، University Korea ، Neurobotics ، University of Ulster ، Mahidol ، دانشگاه کاتولیک Pazmany Peter ، TU Graz و Ecole Superiore de Lyon وابسته بودند. خلبانان ۲۷تا ۵۶ سال سن داشند و همه از ناحیه نخاع آسیب دیده بودند.
در Cybathlon قبل از هر مسابقه ما ۳ مسابقه مقدماتی با حضور چهار خلبان داشتیم. هر پیست اتومبیلرانی شامل چهار نوع دستور (بدون ورودی، باد، بلوک های مانع، لیزر) با ترتیب تصادفی بود. چهار خلبان سریع و پیشرفته به فینال A راه یافتند، در حالی که چهار خلبان سریع و پیشرفته بعدی به فینال B صعود کردند. عکس خلبانان با BCI در شکل ۲ و ۳ نشان داده شده است.
شکل ۲ – یک خلبان از رابط مغز و رایانه خود برای کنترل بازی BrainRunners استفاده می کند.
منبع: ETH زوریخ / الساندرو دلا بلا. کلاهک موجود در سر الکترودهای قرمز و زرد را در جای خود نگه داشته و یک کابل از الکترودها به پایین سینه خلبان به سمت رایانه هدایت می شود.
شکل ۳ – یک خلبان از یک رابط مغز و رایانه برای کنترل بازی BrainRunners استفاده می کند.
(نمای عقب) منبع: ETH زوریخ / الساندرو دلا بلا. الکترودها (مرکز سیاه با لبه های سفید و پایین رنگارنگ) توسط یک درپوش مخصوص در جای خود نگه داشته می شوند و کابل های سیاه الکترودها را به کامپیوتر متصل می کنند.
نتایج مسابقه
اگر خلبان هرگز از طریق BCI فرمانی ارسال نکند یک مسابقه BrainRunners حدود ۲۰۰ ثانیه طول می کشد.
آواتار در هر صورت به خط پایان می رسد فقط با سرعت کم تری.
در دور مقدماتی بهترین تیم Ecole Polytechnique Federale Lausanne در ۹۰ ثانیه مسابقه را به پایان رساند در حالی که بدترین تیم به ۱۹۶ ثانیه احتیاج داشت.
در فینال مسابقه تیم Ecole Polytechnique Federale Lausanne با زمان ۱۲۵ ثانیه دوباره برنده شد. در عملکرد تیم بین مقدماتی و فینال اختلافات زیادی وجود داشت به عنوان مثال، یک تیم در ۱۲۳ ثانیه مقدماتی را به پایان رساند اما برای فینال به ۱۹۰ ثانیه احتیاج داشت.
این مسابقه نشان داد که BCI می تواند بسیار مفید باشد. کوتاه ترین زمان اتمام مسابقه (۹۰ ثانیه) بسیار کمتر از زمان لازم بود که خلبان هرگز فرمانی (۲۰۰ ثانیه) ارسال نکند. با این حال هنگامی که خطاها اتفاق می افتد BCI می تواند تقریباً بی فایده باشد.
بدترین زمان اتمام ۱۹۶ ثانیه بود بهتر از اینکه خلبان هیچ فرمانی ارسال نکرده باشد. بنابراین ادامه توسعه فناوری های قوی و دقیق BCI دارای اهمیت بسیاری است.
یک نقطه ضعف مسابقه این بود که ما قادر به درک این موضوع نبودیم که چرا یک دستگاه BCI از دستگاه دیگر موثرتر است. “بهترین” و “بدترین” شرکت کنندگان از سخت افزار و نرم افزار مشابهی استفاده می کردند، بنابراین تفاوت در زمان مسابقه ممکن است به دلیل خلق و خوی کاربر یا میزان آموزش انجام شده با BCI باشد. در آینده ما این عوامل را با جزئیات بیشتری بررسی خواهیم کرد، ما همچنین بررسی خواهیم کرد که سرعت چنین مسابقه ایی می تواند با نوع دیگری از فناوری رابط ها بهتر شود به عنوان مثال، ردیاب چشم به جای BCI.
بهبودها و موارد ممکن برای استفاده از BCI
اگرچه ما فقط BCI ها را در بازی مسابقه ای BrainRunners آزمایش کردیم اما آنها استفاده های زیادی دارند. همانطور که گفته شد در حال حاضر BCI ها برای کنترل صندلی های چرخدار و نوشتن پیام توسط افراد استفاده می شوند. در رویدادهای آینده Cybathlon ما می توانیم تصور کنیم که افراد به جای بازی های رایانه ای از BCI برای رانندگی با صندلی های چرخدار در بین موانع استفاده می کنند. همچنین لازم نیست BCI ها فقط به افراد تترپلاژیا محدود شوند. نویسندگان داستان های علمی داستان هایی را در مورد استفاده از BCI برای کنترل ربات ها یا حتی سفینه های فضایی نوشته اند و با بهبود BCI این موارد مطمئناً امکان پذیر است. در حال حاضر BCI ها عمدتا به اطلاعاتی که EEG ارائه می دهد محدود می شوند. از آنجا که EEG ضعیف و پر سر و صدا است BCI ها نیز کند و غیر دقیق هستند به عنوان مثال هنگام استفاده از BCI برای تایپ کاربران فقط می توانند حدود ۱۰ حرف در دقیقه تایپ کنند. بنابراین امروزه عمدتا BCI توسط افراد مبتلا به تترپلاژیا که نمی توانند از صفحه کلید استفاده کنند، استفاده می شود. با این حال امیدواریم که BCI های آینده بتوانند اطلاعات دقیق تری را از مغز دریافت کنند با این کار دستورات دقیق تری را ارائه می دهند و این فناوری را برای همه جذاب تر می کنند.
نتیجه گیری
بازی BrainRunners ما روشی موثر برای سنجش کارایی فناوری BCI است زیرا می تواند به هر BCI متصل شود و نتیجه ای قابل فهم (زمان لازم برای تکمیل مسابقه) فراهم می کند. در Cybathlon ما نشان دادیم که برخی از BCI ها بسیار موثرتر از دیگران هستند زیرا زمان اتمام مسابقه از ۹۰ تا ۱۹۶ ثانیه متغییر بود. در آینده ما می توانیم سناریوهای مختلف را در BrainRunners شبیه سازی کنیم برای مثال مجازات افزایش زمان برای ارسال دستور اشتباه. از آنجا که مسابقه ما اولین مقایسه عمده فناوری های BCI در یک سناریو واقع بینانه بود ما معتقدیم که این روش می تواند توسط محققان و تکوین دهندگان تجاری برای ارزیابی اثربخشی BCI های خود مورد استفاده قرار گیرد. علاوه بر این می توان از بازی BrainRunners برای بررسی چگونگی تأثیر عوامل مختلف بر عملکرد BCI استفاده کرد، این به دانشمندان اجازه می دهد تا تصویری كامل از چگونگی تأثیر عوامل مختلف بر BCI های مختلف در جمعیت خاصی بدست آورند و زمینه را برای استفاده گسترده تر از فناوری های BCI در زندگی روزمره فراهم كنند.
References
[۱] ↑ Carlson, T., and Millán, J. del R. 2013. Brain-controlled wheelchairs: a robotic architecture. IEEE Robot. Autom. Mag. 20:65–۷۳٫ doi: 10.1109/MRA.2012.2229936
[۲] ↑ Sellers, E. W., Ryan, D. B., and Hauser, C. K. 2014. Noninvasive brain-computer interface enables communication after brainstem stroke. Sci. Transl. Med. 6:257re7. doi: 10.1126/scitranslmed.3007801
[۳] ↑ Tangermann, M., Müller, K.-R., Aertsen, A., Birbaumer, N., Braun, C., Brunner, C., et al. 2012. Review of the BCI competition IV. Front. Neurosci. 6:55. doi: 10.3389/fnins.2012.00055
[۴] ↑ Riener, R. 2016. The Cybathlon promotes the development of assistive technology for people with physical disabilities. J. Neuroeng. Rehabil. 13:49. doi: 10.1186/s12984-016-0157-2
[۵] ↑ Novak, D., Sigrist, R., Gerig, N. J., Wyss, D., Bauer, R., Götz, U., et al. 2018. Benchmarking brain-computer interfaces outside the laboratory: the Cybathlon 2016. Front. Neurosci. 11:756. doi: 10.3389/fnins.2017.00756
[۶] ↑ Blankertz, B., Tomioka, R., Lemm, S., Kawanabe, M., and Muller, K.-R. 2008. Optimizing spatial filters for robust EEG single-trial analysis. IEEE Signal Process. Mag. 25:41–۵۶٫ doi: 10.1109/MSP.2008.4408
source Link: https://kids.frontiersin.org/article/10.3389/frym.2019.00087
