Published
2025-11-18
Section
Articles
How to Cite
一种脑控四足机器人：概念验证
吴 可
通号通信信息集团有限公司北京轨道交通分公司
DOI: https://doi.org/10.59429/kxjsyy.v2i5.12027
Keywords: 脑机接口；机器人；个人辅助；人工智能；脑电图；眼电图；可穿戴设备
Abstract
将脑机接口（Brain-Computer Interface, BCI）与机器人系统相结合，有望在未来实现无缝的日常个人助理系 统，使各类请求仅依靠个体的脑活动以离散方式完成。这类系统对闭锁综合征（Locked-in Syndrome, LIS）或肌萎缩 侧索硬化（Amyotrophic Lateral Sclerosis, ALS）人群尤其具有潜在意义，因为他们可通过脑信号感知接口与机器人助 理进行交流从而获益。在本项概念验证工作中，我们探索了一种无线可穿戴 BCI 设备如何控制一台四足机器人—— 波士顿动力 Spot 四足机器人（Boston Dynamics Spot quadruped robot，以下简称 Spot）。该设备通过嵌入眼镜镜框的 电极测量用户的脑电图（Electroencephalography, EEG）与眼电图（Electrooculography, EOG）活动。用户通过执行心 算类脑动（Brain Teaser）任务来回答一系列问题的“是 / 否”，从而作出响应。每一个“问题—答案”对都为 Spot 机器人预先配置了一组动作。例如，当一段序列被判定为“是”时，Spot 机器人会被指令穿过房间、拾取物体并为 用户取回（如带来一瓶水）。我们的系统达到了 83.4% 的成功率。据我们所知，这是首个在个人助理场景下，将无 线、非视觉范式的 BCI 系统与 Spot 机器人集成的实例。尽管该 BCI 四足机器人系统尚处于早期原型阶段，未来的迭 代有望具备类似常规服务犬那样友好且直观的提示方式。因此，本项目旨在为在真实日常生活条件下，依托无线可 穿戴 BCI 系统驱动的当代个人助理机器人之未来发展铺设道路。
References
[1] Brandom, R. 波士顿动力的 Spot 正走出实验室；The Verge：美国纽约州纽约市，2019 年.
[2] Harrison, M. 机器狗为模特“脱衣”的视频热传：对不祥科技的戏仿；Futurism：美国纽约州纽约市，2023 年.
[3] Etemad-Sajadi, R. 认识 Pepper：类人机器人礼宾。EHL Insights，2018 年 12 月 17 日.
[4] Newton, D.P.; Newton, L.D. 作为教师的类人机器人及一份实践规范建议. Front. Educ. 2019,4,125. [CrossRef].
[5] 在线可得：https://www.fanucamerica.com/solutions/industries/warehouse-robots（访问日期：2023 年 12 月 14 日）.
[6] 在线可得https://www.defenseone.com/technology/2023/03/soldiers-can-now-steer-robot-dogsbrain-signals/384338/访问日期2023 年 12 月 14 日.
[7] Banach, K.; Małecki, M.; Rosół, M.; Broniec, A. 基于 EEG α 波的电动轮椅脑机接口. Bio.-Algorithms Med.-Syst. 2021,17,165-172. [CrossRef].
[8] Benabid, A.L.; Costecalde, T.; Eliseyev, A.; Charvet, G.; Verney, A.; Karakas, S.; Foerster, M.; Lambert, A.; Morinière, B.; Abroug, N.; 等. 由硬膜外无线脑机接口控制的四肢瘫痪患者外骨骼：概念验证示范. Lancet Neurol. 2019,18,1112-1122. [CrossRef][PubMed].
[9] Wang, H.; Li, Y.; Long, J.; Yu, T.; Gu, Z. 基于混合 EEG-EOG 的异步轮椅控制。Cogn. Neurodyn. 2014,8,399-409.[CrossRef][PubMed].
[10] Kosmyna, N.; Morris, C.; Nguyen, T.; Zepf, S.; Hernandez, J.; Maes, P. AttentivU：在车载环境中用于生理感知与反馈的 EEG 与 EOG 兼容眼镜的设计. 载于：第 11 届汽车用户界面与交互式车载应用国际会议（AutomotiveUI 2019）论文集，荷兰乌得勒支，2019 年 9 月 21–25 日；Association for Computing Machinery：美国纽约州纽约市，2019；355–368 页.
[11] Kosmyna, N.; Morris, C.; Sarawgi, U.; Nguyen, T.; Maes, P. AttentivU：一副用于实时生理处理的 EEG 与 EOG 可穿戴眼镜。载于：2019 年 IEEE 第 16 届可穿戴与植入式人体传感器网络国际会议（BSN），美国伊利诺伊州芝加哥，2019 年 5 月 9–22 日；1–4 页.
[12] 在线可得：https://www.bostondynamics.com/products/spot（访问日期：2023 年 12 月 14 日）.
[13] Carlson, T.; Millan, J.d.R. 脑控轮椅：一种机器人体系结构. IEEE Robot. Autom. Mag. 2013,20,65-73.
[14] Tavella, M.; Leeb, R.; Rupp, R.; Millan, J.d.R. 走向日常生活的自然非侵入式手部神经假体. Annu. Int. Conf. IEEE Eng. Med. Biol. Soc. 2010,2010,126-129. [PubMed].
[15] Müller-Putz, G.R.; Scherer, R.; Pfurtscheller, G.; Rupp, R. 基于 EEG 的神经假体控制：迈向临床实践的一步。Neurosci. Lett. 2005,382,169-174. [CrossRef].
[16] Contreras-Vidal, J.L.; Grossman, R.G. NeuroRex：面向下肢机器人外骨骼的基于 EEG 的脑机接口临床路线图. Annu. Int. Conf. IEEE Eng. Med. Biol. Soc.2013,2013,1579–1582.
[17] Onose, G.; Grozea, C.; Anghelescu, A.; Daia, C.; Sinescu, C.J.; Ciurea, A.V.; Spircu, T.; Mirea, A.; Andone, I.; Spânu, A. 在慢性四肢瘫痪者中使用基于运动想象 EEG 的脑机接口进行助理机械臂控制的可行性：临床测试与长期随访. Spinal Cord. 2012,50,599-608. [CrossRef].
[18] Kosmyna, N.; Lecuyer, A. 基于 EEG 的脑机接口概念空间. PLoS ONE 2019,14,e0210145. [CrossRef].
[19] Ramos-Murguialday, A.; Schürholz, M.; Caggiano, V.; Wildgruber, M.; Caria, A.; Hammer, E.M.; Halder, S.; Birbaumer, N. 本体感觉反馈与基于脑机接口（BCI的神经假体。PLoS ONE 2012,7,e47048. [CrossRef][PubMed].
[20] Polich, J. P300 更新：P3a 与 P3b 的综合理论。Clin. Neurophysiol. 2007,118,2128–2148. [CrossRef][PubMed].
[21] Tonin, L.; Carlson, T.; Leeb, R.; Millán, J.d.R. 由运动障碍者控制的远程存在机器人. Annu. Int. Conf. IEEE Eng. Med. Biol. Soc. 2011,2011,4227–4230. [PubMed].
[22] Blankertz, B.; Losch, F.; Krauledat, M.; Dornhege, G.; Curio, G.; Muller, K.R. 柏林脑机接口：BCI 新手在首个会话中的高精度表现。IEEE Trans. Biomed. Eng. 2008,55,2452–2462. [CrossRef][PubMed].
[23] Halpern, A.R.; Zatorre, R.J. 当那段旋律在你脑中回响：熟悉旋律听觉表象的 PET 研究. Cereb. Cortex 1999,9,697–704. [CrossRef][PubMed].
[24] Pei, X.; Barbour, D.; Leuthardt, E.C.; Schalk, G. 利用人类皮层电图信号解码口语与想象词语中的元音与辅音.J. Neural Eng. 2011,8,046028. [CrossRef][PubMed].
[25] Kosmyna, N.; Lindgren, J.T.; Lécuyer, A. 关注视觉刺激与执行视觉意象：基于 EEG 的脑机接口控制策略比较. Sci. Rep. 2018,8,13222. [CrossRef].
[26] Friedrich, E.V.C.; Scherer, R.; Neuper, C. 不同心理策略对脑机接口分类性能的影响。Int. J. Psychophysiol. 2012,84,86-94. [CrossRef].
[27] Zhang, J.; Wang, M. 基于运动想象脑机接口控制机器人的综述。Cogn. Robot. 2021,1,2-24. [CrossRef].
[28] Galán, F.; Nuttin, M.; Lew, E.; Ferrez, P.; Vanacker, G.; Philips, J.; Millán, J.d.R. 脑控轮椅：用于连续机器人控制的异步、非侵入式脑机接口。Clin. Neurophysiol. 2008，119,2159-2169. [CrossRef].
[29] Hockberg, L.R.; Bacher, D.; Donoghue, J.P.; Jarosiewicz, B.; Masse, N.Y.; Simeral, J.D.; Vogel, J.; Haddadin, S.; Liu, J.; Cash, S.S.; 等。四肢瘫痪者使用神经控制机械臂实现伸手与抓握. Nature 2012,485,372-375. [CrossRef][PubMed].
[30] Zhang, R.; Lee, S.; Hwang, M.; Hiranaka, A.; Wang, C.; Ai, W.; Tan, J.J.R.; Gupta, S.; Hao, Y.; Levine, G.; 等. NOIR：面向日常活动的神经信号操控智能机器人. arXiv 2023,arXiv:2311.01454. [CrossRef].
[31] Tang, J.; Liu, Y.; Hu, D.; Zhou, Z. 面向脑机接口驱动的智能轮椅系统。BioMed. Eng. OnLine 2018,17,111.[CrossRef][PubMed].
[32] Araujo, R.S.; Silva, C.R.; Netto, S.P.N.; Morya, E.; Brasil, F.L. 纺织品 3D 打印的低成本 EEG 控制手部外骨骼的开发. Front. Neurosci. 2021，15，661569. [CrossRef][PubMed].
[33] Spataro, R.; Chella, A.; Allison, B.; Giardina, M.; Sorbello, R.; Tramonte, S.; Guger, C.; La Bella, V. 闭锁综合征 ALS 患者通过 BCI 控制的类人机器人实现触及并抓握一杯水. Front. Hum. Neurosci. 2017,11,68. [CrossRef].
[34] Faisal, S.N.; Do Nguyen, T.T.; Torzo, T.; Leong, D.; Pradeepkumar, A.; Lin, C.T.; Iacopi, F. 基于微图案外延石墨烯的非侵入式脑机接口传感器. ACS Appl. Nano Mater. 2023,6,5440–5447. [CrossRef].
[35] Na, R.; Hu, C.; Sun, Y.; Wang, S.; Zhang, S.; Han, M.; Yin, W.; Zhang, J.; Chen, X.; Zheng, D. 带混合刺激器的嵌入式轻量化 SSVEP-BCI 电动轮椅。Digit. Signal Process. 2021,116,103101. [CrossRef].
[36] Lee, K.; Liu, D.; Perroud, L.; Chavarriaga, R.; Millán, J.d.R. 采用级联 ERD 分类器的脑控外骨骼。Robot. Auton. Syst. 2017,90,15–23. [CrossRef].
[37] Chae, Y.; Jeong, J.; Jo, S. 迈向脑控类人机器人：基于 EEG 的 BCI 异步直接控制。IEEE Trans. Robot. 2012,28,1131–1144. [CrossRef].
[38] Daeglau, M.; Wallhoff, F.; Debener, S.; Condro, I.S.; Kranczioch, C.; Zich, C. 挑战接受？在考虑个体差异、动机与社会情境的前提下，面向类人机器人 EEG 神经反馈的运动想象练习个体性能提升. Sensors 2020,20,1620. [CrossRef].
[39] Choi, B.; Jo, S. 基于低成本 EEG 系统的混合脑机接口用于类人机器人导航与识别。PLoS ONE 2013,8,e74583. [CrossRef][PubMed].
[40] Sorbello, R.; Tramonte, S.; Giardina, M.E.; La Bella, V.; Spataro, R.; Allison, B.; Guger, C.; Chella, A. 通过 BCI 的人 – 类人机器人交互：面向闭锁综合征 ALS 患者的神经—生物反馈融合。IEEE Trans. Neural Syst. Rehabil. Eng. 2018,26,487–497. [CrossRef][PubMed].
[41] Collinger, J.L.; Wodlinger, B.; Downey, J.E.; Wang, W.; Tyler-Kabara, E.C.; Weber, D.J.; McMorland, A.J.; Velliste, M.; Boninger, M.L.; Schwartz, A.B. 一名四肢瘫痪个体实现的高性能神经假体控制. Lancet 2013,381,557–564. [CrossRef][PubMed].
[42] Wodlinger, B.; Downey, J.E.; Tyler-Kabara, E.C.; Schwartz, A.B.; Boninger, M.L.; Collinger, J.L. 人体脑机接口中的十维仿生手臂控制：难点、解决方案与局限. J. Neural Eng. 2015,12,016011. [CrossRef][PubMed].
[43] Jia, W.; Huang, D.; Luo, X.; Pu, H.; Chen, X.; Bai, O. 基于 EEG 的本能式脑控四足行走机器人. Annu. Int. Conf. IEEE Eng. Med. Biol. Soc. 2012,2012,1777–1781.[CrossRef][PubMed].
[44] Berka, C.; Levendowski, D.J.; Lumicao, M.N.; Yau, A.; Davis, G.; Zivkovic, V.T.; Olmstead, R.E.; Tremoulet, P.D.; Craven, P.L. 在警觉性、学习与记忆任务中任务投入与心理负荷的 EEG 相关性. Aviat. Space Environ. Med. 2007,78（增刊 5），B231–B244.
[45] Khushaba, R.N.; Kodagoda, S.; Lal, S.; Dissanayake, G. 基于模糊小波包特征提取算法的驾驶员困倦分类。IEEE Trans. Biomed. Eng. 2011,58,121–131.[CrossRef].
[46] Shi, L.-C.; Duan, R.-N.; Lu, B.-L. 基于 EEG 的警觉性估计：极限学习机方法。Neurocomputing 2013，102,135-143. [CrossRef].
[47] Shi, L.-C.; Duan, R.-N.; Lu, B.-L. 一种用于基于 EEG 的警觉性估计的稳健主成分分析算法. Annu. Int. Conf. IEEE Eng. Med. Biol. Soc. 2013,2013,6623-6626.
[48] Shi, L.-C.; Duan, R.-N.; Lu, B.-L. 用于基于 EEG 的警觉性估计的差分熵特征. Annu. Int. Conf. IEEE Eng. Med. Biol. Soc. 2013,2013,6627-6630.
[49] Schleicher, R.; Galley, N.; Briest, S.; Galley, L. 眨眼与扫视作为困倦预警中疲劳指标：看起来很累？Ergonomics 2008,51,982-1010.[CrossRef][PubMed].
[50] Skotte, J.H.; Nøjgaard, J.K.; Jørgensen, L.V.; Christensen, K.B.; Sjøgaard, G. 通过眼电图量化不同计算机任务中的眨眼频率。Eur. J. Appl. Physiol. 2007,99,113–119.[CrossRef][PubMed].
[51] Bulling, A.; Ward, J.A.; Gellersen, H.; Tröster, G. 基于眼电图的活动识别之眼动分析. IEEE Trans. Pattern Anal. Mach. Intell. 2011,33,741-753。[CrossRef][PubMed].
[52] Morris, T.L.; Miller, J.C. 模拟飞行中疲劳的眼电与绩效指标. Biol. Psychol. 1996,42,343-360. [CrossRef][PubMed].
[53] Sahayadhas, A.; Sundaraj, K.; Murugappan, M. 基于传感器检测驾驶员困倦：综述. Sensors 2012,12,16937–16953. [CrossRef].
[54] Spampinato, C.; Palazzo, S.; Kavasidis, I.; Giordano, D.; Souly, N.; Shah, M. 用深度学习解读人类思维以实现自动视觉分类. 载于：IEEE 计算机视觉与模式识别会议论文集，美国夏威夷州檀香山，2017 年 7 月 21–26 日；6809–6817 页.
[55] Hu, J. 基于单通道 EEG 的驾驶员疲劳检测：不同特征与分类器的比较. Comput. Math. Methods Med. 2017,2017,5109530. [CrossRef].
[56] Mu, Z.; Hu, J.; Min, J. 基于组合熵特征的 EEG 驱动疲劳检测系统. Appl. Sci. 2017,7,150. [CrossRef].
[57] Jap, B.T.; Lal, S.; Fischer, P.; Bekiaris, E. 使用 EEG 频谱成分评估检测疲劳算法。Expert Syst. Appl. 2009，36，2352–2359. [CrossRef].
[58] Ma, J.X.; Shi, L.C.; Lu, B.L. 通过眼电特征进行警觉性估计. Annu. Int. Conf. IEEE Eng. Med. Biol. Soc. 2010,2010,6591-6594. [CrossRef].
[59] Papadelis, C.; Chen, Z.; Kourtidou-Papadeli, C.; Bamidis, P.D.; Chouvarda, I.; Bekiaris, E.; Maglaveras, N. 车载电生理记录监测困倦以预防睡眠不足致交通事故. Clin. Neurophysiol. 2007,118,1906-1922. [CrossRef].
[60] Kanoh, S.; Ichi-nohe, S.; Shioya, S.; Inoue, K.; Kawashima, R. 一种用于测量眼部与身体运动的眼镜式设备的开发. 载于：2015 年 IEEE 医学与生物工程学会第 37 届年度国际会议（EMBC），意大利米兰，2015 年 8 月 25–29 日；2267–2270 页. [CrossRef].
[61] Huo, X.-Q.; Zheng, W.-L.; Lu, B.-L. 融合 EEG 与前额 EOG 的驾驶疲劳检测. 载于：2016 年国际神经网络联合会议（IJCNN），加拿大不列颠哥伦比亚省温哥华，2016 年 7 月 24–29 日；897–904 页. [CrossRef].