Suchen

Brain Reading

Den Roboter mit den Gedanken steuern

| Redakteur: Katharina Juschkat

Forscher des DFKI haben ein Brain-Reading-System entwickelt, mit dem sich Roboter allein mit Kraft der Gedanken steuern lassen. Im Einsatz ist das System bereits bei Exoskeletten. Außerdem kann der Roboter die Gedanken des Menschen interpretieren.

Firmen zum Thema

Das DFKI hat ein Brain-Reading-System entwickelt, mit dem sich Roboter auf Basis der Gehirnaktivitäten intuitiv und effektiv steuern lassen.
Das DFKI hat ein Brain-Reading-System entwickelt, mit dem sich Roboter auf Basis der Gehirnaktivitäten intuitiv und effektiv steuern lassen.
(Bild: DFKI GmbH)

Mit Kraft der Gedanken einen Roboter steuern – daran arbeiten derzeit Wissenschaftler des Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) und der Arbeitsgruppe Robotik der Universität Bremen. Über sogenannte Brain-Computer-Interfaces (BCIs) lassen sich Roboter mithilfe menschlicher Gehirnaktivität steuern. Dabei kommt Elektroenzephalografie (EEG) zum Einsatz, bei der am Kopf angelegte Elektroden Potentialänderungen im Gehirn messen.

Roboter soll Gehirnaktivität interpretieren können

Der Ansatz der Forscher geht sogar noch weiter als bisherige BCIs – der ganzheitliche Ansatz des „Embedded Brain Reading“ (EBR) soll es ermöglichen, Gehirnaktivität nicht nur zu messen, sondern auch zu interpretieren. Auf diese Weise können die Handlungsabsichten und die kognitive Auslastung einer Person erkannt werden. Dabei setzt das EBR ausschließlich auf die passive Beobachtung natürlich auftretender Gehirnaktivität, sodass der Mensch durch die Nutzung des BCIs nicht belastet wird.

Bildergalerie

Der neue Ansatz setzt zusätzlich zum EEG auch auf Elektromyografie zur Messung der Muskelaktivität, Eye-Tracking und Bewegungsanalyse, was die vollständige und fehlertolerante Integration der Gehirnaktivität in die Steuerung technischer Systeme ermöglichen soll. Das machen sich die Forscher z.B. bei der Teleoperation von Weltraumrobotern, aber auch bei der EEG-basierten Steuerung robotischer Exoskelette zunutze.

Roboter lernen dank menschlichem Negativ-Feedback aus eigenem Fehlverhalten

Zu den ereigniskorrelierten Potenzialen gehört das sogenannte fehlerkorrelierte Potential. Dazu gibt es ein am DFKI entwickeltes Verfahren des Maschinellen Lernens, bei dem ein Roboter aus dem eigenen Fehlverhalten in der gestengesteuerten Interaktion mit dem Menschen lernen kann. Der Roboter ist dabei in der Lage, gleichzeitig zu lernen, die Gesten des Menschen zu unterscheiden und den von ihm ausführbaren Aktionen zuzuordnen. Ob diese Zuordnung richtig oder falsch war, erfährt er anhand der EEG-Messung beim Menschen, durch die er im Falle einer fehlerhaften Aktion ein negatives Feedback, das fehlerkorrelierte Potential, erhält.

Das entlastet den Menschen in der Interaktion, da er die Rückmeldung nicht bewusst an den Roboter geben muss, sondern diese mit dem EBR bereits auf der unterbewussten Ebene bei ihm abgegriffen wird. Die Bremer Forscher konnten das auf intrinsisches Feedback beruhende Verfahren erstmals in der Interaktion mit einem echten Robotersystem anwenden und zeigen, dass es zu einer Verbesserung der Interaktion zwischen Mensch und Roboter führt. Bei der Rehabilitation mit Exoskeletten ließe sich das Error-Potential z.B. nutzen, um Erkenntnisse über die Akzeptanz durch den Nutzer zu gewinnen.

Exoskelett in Echtzeit steuern

Die Verwendung physiologischer Daten zur Verbesserung der Funktionalität und Benutzerfreundlichkeit in technischen Rehabilitationssystemen ist jedoch an die Möglichkeit ihrer Verarbeitung gebunden. Diese muss in Echtzeit erfolgen, um eine möglichst natürliche Unterstützung der Bewegungen zu realisieren. Zudem braucht es mobile und miniaturisierte Verarbeitungssysteme, die in die Rehabilitationseinrichtung eingebettet werden können.

Wissenschaftler des DFKI und der Universität Bremen haben deshalb ein kompaktes Brain-Reading-System zur Echtzeit-Bewegungsvorhersage entwickelt. Dabei setzen sie auf sogenannte Field Programmable Gate Arrays (FPGAs), wiederprogrammierbare Schaltkreise, die parallele Verarbeitungsoperationen ermöglichen und daher große Datenmengen in kürzester Zeit verarbeiten können. Um diese für die Robotik nutzbar zu machen, entwickelten die Forscher zudem das Software-Framework Respace. Dieses definiert die verschiedenen anwendungsspezifischen Rechenoperationen, die nach dem Baukastenprinzip zu einem Datenflussbeschleuniger kombiniert und auf dem FPGA zur Verfügung gestellt werden. Durch die Echtzeit-Auswertung von EEG-Daten kann das entwickelte System z.B. die Regelung eines Exoskeletts unterstützen. Die FPGAs bewältigen die dabei anfallende riesige Datenmenge innerhalb weniger Nanosekunden – nur so kann das Exoskelett genau im richtigen Moment die Armbewegung unterstützen.

Auf der Cebit stellt das DFKI das Projekt Recupera Reha vor. Dabei kommt ein mobiles Exoskelett für die Oberkörperassistenz speziell zur robotergestützten Therapie nach einem Schlaganfall zum Einsatz, dass sich u.a. auf Basis von EEG-Daten steuern lässt. Im Projekt fanden die Erkenntnisse und Technologien zum embedded Brain Reading Anwendung.

Cebit 2018: Halle 27, Stand F62

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 45341731)