DeepBrain：通过以人为中心的学习利用低成本设备采集的粗糙脑电信号实现细粒度脑-机器人交互

随着脑电图（EEG）技术的最新进展，一些脑机接口（BCI）解决方案已被探索用于帮助个人用思维执行各种任务。一个有前景的应用是将BCI与机器人系统结合，使运动障碍患者能够控制机器人来照顾自己。为了实现为运动障碍患者设计BCI的最终目标，我们首先对54名几乎没有BCI经验的运动障碍参与者进行了在线调查，以识别他们在生活中面临的挑战，从而设计个性化的BCI系统。结果显示的挑战包括日常小任务（如喂食和清洁），这些任务增加了雇佣护理人员的经济负担。同时，商用的高保真BCI通常价格昂贵，而较便宜的设备只能采集粗糙的脑电信号，由于缺乏时间分辨率和精度，难以在实际护理辅助中应用。基于调查发现，我们设计了DeepBrain，这是一种以人为中心的学习增强型BCI系统，只需要低成本BCI设备采集的粗糙脑电信号，但支持细粒度脑-机器人交互和可扩展的多机器人协作，用于家庭多任务操作。后续与其他方法的系统比较表明，所提出的以人为中心解决方案是实现最终目标的有前景的一步，因为它以较少的计算资源实现了令人满意的精度。实际的大脑到多机器人交互系统也验证了我们DeepBrain中使用的框架和模型的可行性。