Brain-Computer-Interfaces oder kurz BCIs bieten eine vielversprechende Möglichkeit der Mensch-Maschine-Interaktion basierend auf Gehirnsignalen, speziell als Schnittstelle für die Bedienung von Assistenzsystemen für körperlich Beeinträchtigte aber auch generell zur Kontrolle von technischen Systemen ohne die Zuhilfenahme der Hände. Trotz des vielversprechenden Nutzens dieser Technologie, kommt sie außerhalb kontrollierter Laborbedingungen nur selten zum Einsatz. Dieser Umstand liegt vor allem an der mangelnden Zuverlässigkeit der Systeme. Die gemessene Gehirnaktivität unterscheidet sich nicht nur zwischen Menschen stark, sondern variiert auch innerhalb derselben Person, je nach mentalem oder körperlichem Zustand bei Anwendung. Diese Variabilität zwischen und innerhalb der Gehirnaktivität von Nutzern eines BCIs stellt eine der größten Herausforderungen in der Anwendung in alltäglichen Szenarien dar.
Im Projekt NEARBY sollen Variabilitäts-freie BCI-Systeme für den Einsatz außerhalb des Labors entwickelt werden. Zu diesem Zweck wird eine umfangreiche Datenbank erhoben, in der EEG-Daten verschiedener Probanden über längere Zeiträume unter unterschiedlichen Bedingungen und verschiedenen Umgebungen aufgenommen werden. Ziel ist es die Variabilität der Daten unter verschiedenen Bedingungen besser zu verstehen und neue Algorithmen zu entwickeln, die diese reduzieren oder sogar gänzlich unterdrücken können. So sollen etwa Verfahren des maschinellen Lernens zur Rauschunterdrückung eingesetzt und die Robustheit gegenüber sich ändernden Bedingungen durch Deep und Meta-Learning Algorithmen auf der gemeinsamen Datenstruktur verbessert werden.
Variabilität in Gehirnaktivität ist eine der größten Barrieren auf dem Weg von BCIs aus den Laboren in die alltägliche Anwendung. Das Projekt NEARBY legt mit der Erhebung einer umfangreichen Datenbank von EEG-Daten mit standardisierten Aufnahmeprotokollen unter unterschiedlichsten Bedingungen den Grundstein zum Verständnis dieser Variabilität und soll basierend darauf erste neue Ansätze zur Entwicklung von Verfahren zur Variabilitätsverminderung liefern.
Dies soll es ermöglichen neue robustere BCI-Systeme zu entwerfen die auch für nicht medizinische Zwecke, z.B. zur handfreien Interaktion in Industrieszenarien oder Videospielen, geeignet sind. Existierende BCI-Ansätze können zudem erweitert werden, indem Variabilitätsverminderung zur Gestaltung robusterer Interaktionsprinzipien genutzt wird.
Partner
Inria Bordeaux
