UPMC

For several years, we have been studying the use of brain-machine interfaces (BMIs) to give people who cannot move their own arms the ability to guide a prosthetic device.

In the case of tetraplegia, or paralysis caused by injury or illness, the brain continues to generate movement-related command signals even though these signals can no longer reach the limbs to generate movement.

This loss of function can limit a person’s ability to independently perform many activities of daily living.

恢复丢失的功能

With a BMI,, we can create a direct connection between a person’s brain activity and an external device, such as a robotic arm, to restore lost function.

在我们的最初研究中，我们使用了皮质内微电极阵列来记录运动皮层中约200个神经元的活性，并表明这种类型的BMI可用于控制具有技巧和速度的机器人臂，以接近健全的人。

抓握和运输物体是一项复杂的任务，需要协调手和手臂的所有关节。

抓握和运输物体是一项复杂的任务，需要协调手和手臂的所有关节。It becomes even more complicated if the person cannot feel what he or she is holding as is the case with a BMI – which often does not provide sensory feedback.

我们做了什么？

With our collaborators at the Carnegie Mellon Robotics Institute, we sought to make such tasks easier by using computer vision to identify objects in the workspace.

用户到达对象后，可以对机器人组进行编程以自主或自动以稳定的方式抓住它，并允许它移动而不会被丢弃。

在我们的研究中神经工程和康复杂志因此，我们将人类的意图融合在一起，这些意图是从BMI记录的大脑信号中得出的，以及自主机器人技术来提高BMI的性能，以达到和抓住对象。我们称此共享控件。

共享控制允许BMI用户保持对高级运动的控制，例如将手向物体移动到何时掌握，而自主机器人系统则处理机芯的细节。

共享控制允许BMI用户保持对高级运动的控制，例如将手向物体移动到何时掌握，而自主机器人系统会处理运动的细节，例如定向手或保持手直到处于正确的位置。

我们将这些信号混合在一起，以最大程度地利用BMI用户维持的控制量，同时最大程度地减少潜在的挫败感并减少任务难度。

我们发现了什么？

与仅使用BMI相比，我们研究中的两个参与者在使用共享控制时都更成功地完成和掌握任务。

除了更准确，更有效的运动外，参与者还将任务评为使用共享控件时更容易。

我们还表明，可以从工作空间中的两个对象之一中进行选择，这表明用户仍在控制任务。

在未来的工作中扩展这一点

需要做其他工作来扩大自动机器人系统可以识别的对象的数量和类型。我们还希望用户能够在某些情况下选择是否使用共享控件，并允许他们以不同的方式与对象进行交互，例如拾取对象而不是将其推到桌子上。

我们还将继续研究用户和自动化系统之间控制控制的最佳方法，以便提供高性能，同时确保用户在许多情况下感觉到设备可靠并且对其命令有反应。