XiaoMi-AI文件搜索系统
World File Search System同步运动
整合同步运动想象和空间注意力以实现 EEG-BCI 控制
摘要 — 目的：基于脑电图的脑机接口 (BCI) 是一种非侵入性方法，可用于替代或恢复受损患者的运动功能，并可直接在普通人群中进行脑与设备之间的通信。运动意象 (MI) 是最常用的 BCI 范式之一，但其表现因人而异，某些用户需要大量训练才能掌握控制技巧。在本研究中，我们建议同时将 MI 范式与最近提出的明显空间注意 (OSA) 范式相结合，以实现 BCI 控制。方法：我们评估了 25 名人类受试者在 5 个 BCI 会话中控制一维和二维虚拟光标的能力。受试者使用了 5 种不同的 BCI 范式：单独 MI、单独 OSA、同时朝着同一目标进行 MI 和 OSA (MI+OSA)，以及 MI 用于一个轴而 OSA 控制另一个轴 (MI/OSA 和 OSA/MI)。结果：我们的结果表明，MI+OSA 在 2D 任务中达到了最高平均在线性能，为 49% 有效正确率 (PVC)，在统计上优于单独的 MI (42%)，并且高于单独的 OSA (45%)，但不具有统计意义。MI+OSA 在单独的 MI 和单独的 OSA (50%) 之间与每个受试者的最佳个人方法的性能相似，并且 9 名受试者使用 MI+OSA 达到了最高平均 BCI 性能。结论：在群体层面上，将 MI 和 OSA 结合起来可以比单独的 MI 提高性能，并且对于某些受试者来说是最佳的 BCI 范式选择。意义：这项工作提出了一种新的 BCI 控制范式，它集成了两个现有的范式，并通过展示它可以提高用户的 BCI 性能来证明其价值。
节奏机器人（2024）：敏感的即兴环境
节奏机器人[1]是一种积极控制的动力学雕塑和对集体智力和集体行为的研究的艺术探索，转化为我们对神经网络行为，动物行为（例如，羊群和学校的行为）和社会行为的理解。这项工作的灵感来自Rhythm Bath [2]，这是Susan Marshall的舞蹈装置，探讨了观众的节奏夹带，这些观众被邀请与舞者一起参加表演空间。节奏机器人扩展了此询问，以考虑机器人的节奏运动如何引起类似的夹带，以及机器人组的同步运动是否可以创建一个平静而冥想的公共空间[3]。在为人类机器人互动设计操场时，我们考虑了人类代理如何影响展览的节奏以及如何使机器人的行为可解释对观众。该产品是一组温柔，节奏地旋转的机器人，可以互相响应在网络上的变化以及坐在或四处走动的人类观众。作品借鉴了基本动力学模型的表现力，以鼓励探索人类机器人反馈循环中的歧义。
学习走路：通过...
摘要 - 在性能和能量限制下的腿部机器人运动的在线学习仍然是一个挑战。的方法，例如随机梯度，深度增强学习（RL），已经针对双子，四倍和六脚架进行了探索。这些技术在计算密集程度上，因此很难在边缘计算平台上实施。这些方法在能源消耗和吞吐量方面也是不足的，因为它们依赖复杂的传感器和数据预处理。另一方面，神经形态范围（例如尖峰神经网络（SNN））在边缘智能上的低功率计算中变得越来越有利。snn表现出具有突触的仿生峰值时间依赖性可塑性（STDP）的强化学习机制的能力。但是，尚未探索训练腿部机器人以中央模式发生器（CPG）在SNN框架中生成的同步步态模式行走。这种方法可以将SNN的效率与基于CPG的系统的同步运动相结合 - 提供了移动机器人技术中端到端学习的突破性绩效。在本文中，我们提出了一种基于增强的随机学习技术，用于培训刺激CPG的六型固醇机器人，该机器人学会了在没有先验知识的情况下使用生物风格的三脚架步态行走。整个系统是在具有集成传感器的轻质Raspberry Pi平台上实现的。我们的方法在有限的边缘计算资源中为在线学习打开了新的机会。