Neues Brain Reading-System

Wissenschaftler haben neue Technologien für echtzeitfähiges und adaptives Brain Reading entwickelt. Menschen können so mit ihrer Gehirnaktivität Roboter intuitiv und effektiv steuern.

Mithilfe des am DFKI entwickelten Brain-Reading-Systems lassen sich Roboter auf Basis der Gehirnaktivitäten intuitiv und effektiv steuern. | DFKI GmbH

Mithilfe sogenannter Brain-Computer-Interfaces (BCIs) lassen sich Roboter durch menschliche Gehirnaktivität steuern. Am Kopf angelegte Elektroden messen Potenzialänderungen im Gehirn – eine Elektroenzephalographie. Der neue ganzheitliche Ansatz „embedded Brain Reading“ (eBR) der Wissenschaftler vom Robotics Innovation Center am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) und der Arbeitsgruppe Robotik der Universität Bremen geht einen Schritt weiter als die BCIs. Hier wird die Gehirnaktivität nicht nur gemessen, sondern auch interpretiert, sodass sich deren Handlungsabsichten erkennen lassen.

eBR vermeidet eine Mehrbelastung des Menschen, wie es beim bisherigen BCI der Fall war, und setzt auf eine ausschließlich passive Beobachtung der natürlich auftretenden Gehirnaktivität. Im eBR sind neben EEG auch Elektromyographie zur Messung von Muskelaktivität, Eye-Tracking und Bewegungsanalyse integriert. Mit dem neuen Ansatz können Gehirnaktivitäten vollständig und fehlertolerant in die Steuerung technischer Systeme eingebunden werden. Die Forscher nutzen dies sowohl bei der Steuerung robotischer Exoskelette als auch der Teleoperation von Weltraumrobotern.

Beim embedded Brain Reading spielen sogenannte ereigniskorrelierte Potenziale eine wichtige Rolle. Sie dienen als Input-Quellen, entweder als Reaktion auf eine interne Zustandsänderung oder einen externen Reiz. Die ERP-Erkennung dient als Hinweis zu geplanten Bewegungen und zum Aufmerksamkeitszustand eines Patienten. Diese ERPs lassen sich detektieren, wenn der Mensch einer oder auch zwei Aktivitäten nachgeht. Die Detektionsleistung ist jedoch umso höher, je seltener und bedeutender ein bei der Aufgabe hervorgerufener Reiz ist.

Quelle: DKFI, 06.06.2018

Zu diesen ereigniskorrelierten Potentialen gehört auch das fehlerkorrelierte Potential. Ein Roboter lernt aus dem eigenen Fehlverhalten in der gestengesteuerten Interaktion mit dem Menschen – sogenanntes maschinelles Lernen. Der Roboter ist in der Lage, gleichzeitig zu lernen, die Gesten des Menschen zu unterscheiden und den von ihm ausführbaren Aktionen zuzuordnen. Anhand der EEG-Messung des Menschen erfährt der Roboter, ob die Zuordnung richtig oder falsch war. Im Falle einer fehlerhaften Zuordnung erhält er ein negatives Feedback, das fehlerkorrelierte Potential. Dadurch muss der Mensch den Roboter nicht aktiv auf das Fehlverhalten hinweisen. Bei der Rehabilitation mit Exoskeletten ließe sich das Error-Potential nutzen, um Erkenntnisse über die Akzeptanz durch den Nutzer zu gewinnen.

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.

Auf der CEBIT-Expo vom 12. bis 15. Juni 2018 in Hannover‎ stellt das DFKI in Halle 27, Stand F62, das Projekt Recupera REHA vor. Darin gelang dem Robotics Innovation Center ein Durchbruch auf dem Gebiet der Rehabilitationsrobotik: Gemeinsam mit der rehaworks GmbH entwickelte es ein mobiles Exoskelett für die Oberkörperassistenz speziell zur robotergestützten Therapie nach einem Schlaganfall, dass sich u.a. auf Basis von EEG-Daten steuern lässt. Im Projekt fanden die Erkenntnisse und Technologien zum embedded Brain Reading Anwendung.

Quelle: DFKI Bremen, 06.06.2018