Wissenschaft
DFKI-Projekt erfolgreich abgeschlossen – Intelligente Robotersteuerung durch adaptives Embedded Brain Reading
Donnerstag, der 23.Juli 2015
DFKI-Projekt erfolgreich abgeschlossen – Intelligente Robotersteuerung durch adaptives Embedded Brain Reading

Bremen: Ob im Weltall, in der Produktionshalle oder bei der Rehabilitation von Schlaganfallpatienten – das Robotics Innovation Center des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) GmbH und die Arbeitsgruppe Robotik der Universität Bremen – beide unter der Leitung von Prof. Dr. Frank Kirchner – haben im Projekt IMMI (Intelligentes Mensch-Maschine-Interface) Schlüsseltechnologien für die Steuerung von Robotern entwickelt, die echtzeitfähiges und adaptives Embedded Brain Reading in vielen Anwendungsbereichen ermöglichen.

Die Raumfahrt-Agentur des Deutschen Zentrums für Luft- und Raumfahrt e.V. (DLR) förderte das Projekt mit Mitteln des Bundesministeriums für Wirtschaft und Energie (BMWi) über fünf Jahre mit rund 3,7 Mio. Euro. Neurowissenschaftler, Informatiker, Mathematiker, Physiker und Ingenieure arbeiteten in IMMI gemeinsam an einer intelligenten Mensch-Maschine-Schnittstelle, die nicht nur die intuitive und effektive Steuerung eines oder mehrerer Roboter ermöglicht, sondern sich auch selbstständig an Änderungen des mentalen Zustands des Nutzers und an wechselnde Benutzer anpassen kann.

Foto: Robotersteuerung mittels der im DFKI-Projekt IMMI entwickelten Technologien

Intelligente Schnittstelle passt sich an den Nutzer an
Im Gegensatz zu klassischen Brain-Computer-Interfaces basiert das entwickelte System auf der passiven Beobachtung des Operators durch Embedded Brain Reading. Dafür trägt der Operator eine mit Elektroden bestückte Kappe, die es dem System mittels Elektroenzephalografie (EEG) ermöglicht, die Gehirnaktivität zu messen und spezifische Änderungen von Gehirnströmen zu interpretieren. Diese Änderungen erlauben zum Beispiel Aussagen über den Stand der Verarbeitung von präsentierter Information, über die Absichten des Operators oder über dessen kognitive Auslastung. Die Schnittstelle erhält dadurch wichtige Informationen, um den Menschen proaktiv in kritischen Situationen zu unterstützen oder die Effektivität der Steuerung anwenderspezifisch zu steigern. Hat der Operator beispielsweise eine vom Roboter gesendete Warnmeldung übersehen, so weist ihn das System erneut darauf hin; ist der Anwender kognitiv überfordert, so wird seine Belastung reduziert.

Präzise Adaption durch zusätzliche Messmethoden und selbstlernende Verfahren
Um die Handlungsabsicht und Aufgabenauslastung des Operators präzise einschätzen zu können, setzen die Forscherinnen und Forscher zusätzlich zum EEG auf Elektromyografie (EMG) zur Messung der Muskelaktivität und auf Eye-Tracking, das die Blickrichtung registriert. Auf diese Weise entsteht ein umfassendes Bild des kognitiven Zustands des Anwenders. Die Schnittstelle lernt aus diesen Daten und darauffolgenden Handlungen, welche Sequenzen in den Hirnströmen eine Wahrnehmung oder Aktion bedeuten. Auf diese Weise kann sich das System in Echtzeit an wechselnde Zustände des Benutzers und sogar automatisch an neue Benutzer anpassen.

Mobile und leistungsstarke Hardware-Komponenten
Die Vielzahl komplizierter mathematischer Verfahren, die beim echtzeitfähigen und adaptiven Brain Reading zur Anwendung kommt, erfordert eine besonders große Rechenleistung. Gleichzeitig soll der Operator möglichst mobil sein und sich frei bewegen können, was den Einsatz großer Rechner ausschließt. Aus diesen Gründen wurde in IMMI ein kompaktes Brain-Reading-System entwickelt, das eine normale CPU mit einem FPGA (Field Programmable Gate Array) auf einer 7 x 10 cm großen Elektronikplatine kombiniert. FPGAs ermöglichen parallele Verarbeitungsoperationen und können daher große Datenmengen in kürzester Zeit verarbeiten. Das entwickelte System kann entweder eigenständig mobil oder zur Optimierung von Embedded Brain Reading in ein technisches System eingebettet angewendet werden.

Neue Software-Frameworks zur Verarbeitung großer Datenmengen
Die Software-Frameworks pySPACE und reSPACE wurden im Projekt eigens für die Verarbeitung großer Datenmengen entwickelt. Die Open-Source-Software pySPACE erlaubt eine einfache Konfiguration und parallele Ausführung komplexer Vergleiche sowie die Optimierung und Visualisierung von über 200 verschiedenen Verarbeitungs- und Auswertungsmethoden. Über eine automatisch erzeugte Hochleistungsschnittstelle kann pySPACE auf reSPACE zugreifen und dadurch zeitkritische Verarbeitungsschritte auf den FPGA auslagern. Mit Hilfe von reSPACE können anwendungsspezifische Hardwarebeschleuniger die Verarbeitung der Daten besonders effizient und in Echtzeit durchführen.

Einsatz in der Rehabilitation von Schlaganfallpatienten
Neben Anwendungen in der Raumfahrt sollen die in IMMI entwickelten Technologien auch in der medizinischen Rehabilitation eingesetzt werden. Im kürzlich gestarteten Projekt RECUPERA-Reha arbeiten DFKI-Wissenschaftlerinnen und Wissenschaftler an Methoden zum Aufbau eines innovativen und mobilen Ganzkörper-Exoskeletts, das durch die Vorhersage von Bewegungsabsichten auf Basis der in IMMI entwickelten Technologien, Schlaganfall-Patienten rehabilitativ unterstützen soll. (Pressemeldung vom 23.07.2015)

Quelle: Deutschen Forschungszentrums für Künstliche Intelligenz GmbH | Foto: DFKI
Lesezeichen - weitere Meldungen
Top Thema
Rostock: Greenpeace Energy eG entscheidet sich für Rostocker SIV.AG Die Greenpeace Energy eG hat sich für eine Zusammenarbeit mit der SIV.AG aus Rostock entschieden, zukunftsstarkes Gesamtpaket für einen exzellenten Kundenservice. weiterlesen


11.04.2017
  • Di
    • Dienstag, der 11.04.2017
  • Mi
    • Mittwoch, der 12.04.2017
  • Do
    • Donnerstag, der 13.04.2017
  • Fr
    • Freitag, der 14.04.2017
  • Sa
    • Samstag, der 15.04.2017
  • So
    • Sonntag, der 16.04.2017
  • Mo
    • Montag, der 17.04.2017
  • Di
    • Dienstag, der 18.04.2017
  • Mi
    • Mittwoch, der 19.04.2017
  • Do
    • Donnerstag, der 20.04.2017
  • Fr
    • Freitag, der 21.04.2017
  • Sa
    • Samstag, der 22.04.2017
  • So
    • Sonntag, der 23.04.2017
  • Mo
    • Montag, der 24.04.2017
  • Di
    • Dienstag, der 25.04.2017
  • Mi
    • Mittwoch, der 26.04.2017
  • Do
    • Donnerstag, der 27.04.2017
  • Fr
    • Freitag, der 28.04.2017
  • Sa
    • Samstag, der 29.04.2017
  • So
    • Sonntag, der 30.04.2017
30.04.2017