Разработка нейроуправляемого автомобиля для мобилизации людей с двигательным дефицитом — нейромобиля
Цель исследования — разработка транспортного средства с элементами нейроуправления для маломобильной категории граждан и апробация алгоритмов интерпретации сигналов биоэлектрической активности человека для управления автомобилем.
Результаты. Создан ходовой макет первого городского электромобиля (нейромобиля) с элементами нейроуправления и нейроассистирования, который предназначен для лиц с двигательным дефицитом и пожилых людей. Нейромобиль представляет собой оригинальную компоновку кузова и приводов в виде асинхронных мотор-колес, которая обеспечивает самостоятельную погрузку пилота на инвалидной коляске с возможностью размещения сопровождающего лица (пассажира). Он оснащен системой ассистирования пилоту — комплексом технического зрения, который более надежно оценивает дорожную обстановку (за счет интеграции разного типа данных) и рекомендательным образом планирует траекторию движения автомобиля. Результатом функционирования этой системы является рекомендуемый для водителя набор возможных сценариев движения (например, «перестроение в другую полосу», «движение в текущей полосе», «поворот» и др.), представляемых пилоту аудиовизуальными средствами информирования. Другой компонент нейромобиля — система нейроуправления, осуществляющая анализ сигналов различной модальности, включая электроэнцефалограмму головного мозга (интерфейс мозг–компьютер) и электромиографические сигналы (нейромышечный интерфейс). Она формирует намерение пилота следовать по одному из предложенных вариантов движения. Обобщенное решение электронных систем ассистирования пилоту и нейроинтерфейсных средств передается системе управления приводными компонентами (мотор-колесо, руль, тормоза и т.д.) для итоговой отработки выбранного варианта движения. Таким образом, разрабатываемый нейромобиль позволит существенно расширить круг пациентов с поражениями двигательной системы, которые могут стать полноправными участниками дорожного движения.
- Орлова С.Р., Бахшиев А.В. Распознавание дорожных знаков на базе глубоких нейронных сетей. В кн.: Экстремальная робототехника и конверсионные тенденции. СПб; 2018; с. 451–459.
- Nebehay G. Robust object tracking based on tracking-learning-detection [dissertation]. TU Wien; 2012.
- Lebedev M.A., Nicolelis M.A. Brain-machine interfaces: past, present and future. Trends Neurosci 2006; 29(9): 536–546, https://doi.org/10.1016/j.tins.2006.07.004.
- McFarland D.J., Wolpaw J.R. Brain-computer interfaces for communication and control. Commun ACM 2011; 54(5): 60–66, https://doi.org/10.1145/1941487.1941506.
- Gordleeva S.Yu., Lukoyanov M.V., Mineev S.A., Khoruzhko M.A., Mironov V.I., Kaplan A.Ya., Kazantsev V.B. Exoskeleton control system based on motor-imaginary brain–computer interface. Sovremennye tehnologii v medicine 2017; 9(3): 31–38, https://doi.org/10.17691/stm2017.9.3.04.
- Lobov S., Krilova N., Kastalskiy I., Kazantsev V., Makarov V.A. Latent factors limiting the performance of sEMG-interfaces. Sensors 2018; 18(4): 1122, https://doi.org/10.3390/s18041122.
- Lobov S.А., Mironov V.I., Kastalskiy I.А., Kazantsev V.B. Combined use of command-proportional control of external robotic devices based on electromyography signals. Sovremennye tehnologii v medicine 2015; 7(4): 30–38, https://doi.org/10.17691/stm2015.7.4.04.
- Lobov S., Krilova N., Kastalskiy, I., Kazantsev V., Makarov V. A human-computer interface based on electromyography command-proportional control. In: Proceedings of the 4th International Congress on Neurotechnology, Electronics and Informatics — Volume 1: NEUROTECHNIX. Portugal; 2016; p. 57–64, https://doi.org/10.5220/0006033300570064.
- Koles Z.J., Lazar M.S., Zhou S.Z. Spatial patterns underlying population differences in the background EEG. Brain Topogr 1990; 2(4): 275–284, https://doi.org/10.1007/bf01129656.
