脑控轮式移动机器人:一种结合事件触发机制与深度强化学习的共享控制框架

《IEEE Transactions on Neural Systems and Rehabilitation Engineering》:Brain-Controlled Wheeled Mobile Robots: A Shared Control Framework Integrating Event-Triggered Mechanism and Deep Reinforcement Learning

【字体: 大 中 小 】 时间:2026年04月30日 来源:IEEE Transactions on Neural Systems and Rehabilitation Engineering 5.2

编辑推荐:

   摘要: 本研究通过将事件触发控制(ETC)与深度强化学习(DRL)相结合,解决了量化脑机共享控制中用户控制权限的问题。首先,为轮式移动机器人(WMR)开发了一个基于ETC的脑机共享控制框架。在该框架中,稳态视觉诱发电位脑机接口(SSVEP-BCI)在非触发间隔期间直接控制WMR

  

摘要:

本研究通过将事件触发控制(ETC)与深度强化学习(DRL)相结合,解决了量化脑机共享控制中用户控制权限的问题。首先,为轮式移动机器人(WMR)开发了一个基于ETC的脑机共享控制框架。在该框架中,稳态视觉诱发电位脑机接口(SSVEP-BCI)在非触发间隔期间直接控制WMR,而一旦事件被触发,控制权就会转移给模型预测控制器(MPC)。其次,为了克服固定阈值(FT)触发机制的适应性限制,引入了一种基于DRL的自适应触发策略来替代手动设计的阈值规则。此外,还采用了一种分组训练策略来考虑DRL训练期间不同受试者在SSVEP-BCI解码可靠性方面的差异。实验结果表明,将ETC集成到SSVEP-BCI共享控制系统中可以提高脑控WMR的路径跟踪性能,并能够明确量化用户控制权限。具体而言,与基于FT的策略相比,所提出的基于DRL的方法实现了相当的横向跟踪性能,将航向误差减少了32.34%,并将干扰率降低了57.85%。另外,与基于时间触发的共享控制基线相比,累计执行时间减少了82.38%。这些结果表明,所提出的框架在跟踪性能、计算成本和用户控制权限的保留方面实现了良好的平衡。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号