Ηλεκτροεγκεφαλογραφικά και ηλεκτρομυογραφικά σήματα στα νευρο-ρομποτικά συστήματα

Μαυρίδης, Χρήστος; Mavridis, Christos

dc.contributor.author	Μαυρίδης, Χρήστος	el
dc.contributor.author	Mavridis, Christos	en
dc.date.accessioned	2017-05-15T10:18:53Z
dc.date.available	2017-05-15T10:18:53Z
dc.date.issued	2017-05-15
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/44874
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.14148
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/3.0/gr/	*
dc.subject	Ρομπότ	el
dc.subject	Τηλεχειρισμός	el
dc.subject	Βιοσήματα	el
dc.subject	Ηλεκτρομυογραφία	el
dc.subject	Ηλεκτροεγκεφαλογραφία	el
dc.subject	Robot	en
dc.subject	Teleoperation	el
dc.subject	Biosignals	el
dc.subject	Electromyography	el
dc.subject	Electroencephalography	el
dc.title	Ηλεκτροεγκεφαλογραφικά και ηλεκτρομυογραφικά σήματα στα νευρο-ρομποτικά συστήματα	el
heal.type	bachelorThesis
heal.classification	Διεπαφή ανθρώπου-ρομπότ	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2017-03-03
heal.abstract	Τα τελευταία χρόνια, παρατηρείται ολοένα αυξανόμενο ενδιαφέρον για τα συστήματα διασύνδεσης ανθρώπου-ρομπότ (Human-Robot Interaction) ιδιαίτερα με τη χρήση ανθρώπινων βιοσημάτων. Συγκεκριμένα, ο τηλεχειρισμός ρομποτικού βραχίονα χωρίς την χρήση εξωτερικών συσκευών (joystick), αποτελεί μία από τις πλέον ενδιαφέρουσες προκλήσεις στο πεδίο της νευρο-ρομποτικής. Ηλεκτρομυογραφικά (ΗΜΓ) σήματα έχουν χρησιμοποιηθεί ευρέως ως είσοδοι σε παρόμοια συστήματα ελέγχου, λόγω της μη επεμβατικότητάς τους και της ικανότητάς τους να αντιπροσωπεύουν την πρόθεση κίνησης του χρήστη. Υπάρχουν περιπτώσεις ανθρώπων με κινητικά προβλήματα ή απώλεια μελών, όμως, όπου τα ηλεκτρομυογραφικά σήματα δεν μπορούν να χρησιμοποιηθούν. Για αυτό το λόγο, η επιστημονική κοινότητα έχει επικεντρώσει το ενδιαφέρον της στα ηλεκτροεγκεφαλογραφικά (ΗΕΓ) σήματα, τα οποία καταγράφονται στην επιφάνεια του κεφαλιού. Τα ΗΕΓ σήματα, είναι πολύ ασθενή και θορυβώδη αλλά μεταφέρουν, εκτός των άλλων, και την πληροφορία της κατέυθυνσης του βλέμματος μέσω δυναμικών που παράγονται από την κίνηση των ματιών. Η παρούσα εργασία προτείνει την εκμετάλλευση των ηλεκτροεγκεφαλικών δυνα- μικών που αντιπροσωπεύουν την κίνηση των ματιών και τον συνδυασμό τους με τα ηλεκτρομυογαφικά δυναμικά του χεριού, με στόχο τον τηλεχειρισμό ρομποτικού βραχίονα. Τα βιοσήματα αποκωδικοποιούνται, με χρήση μοντέλων μηχανικής μάθησης, σε κίνηση του βραχίονα, ενώ ο χρήστης εκτελεί ελεύθερη τρισδιάστατη κίνηση με το χέρι του. Ακόμα, βρέθηκε πως τα ΗΕΓ σήματα είναι αρκετά για τον τηλεχειρισμό του ρομποτικού βραχίονα, με αποτέλεσμα το προτεινόμενο σύστημα να είναι κατάλληλο για ανθρώπους με απώλεια των άνω άκρων τους, δίνοντάς τους την ικανότητα, δυνητικά, να χειρίζονται αντικείμενα που υπάρχουν στο οπτικό πεδίο τους.	el
heal.abstract	During the last decades, there has been an increasing interest in the control of robotic devices through human bio-signals, as they suggest auspicious means of human-robot interaction. Teleoperation of robotic arms, in particular, has been one of the most compelling challenges in the field of neurorobotics. Electromyographic (EMG) signals have been widely used as input in such control schemes, due to their non-invasive nature and their ability to reflect human motion intention. In addition, regarding neuro-muscular incapacitated people, electroen- cephalographic (EEG) signals, which are conveniently recorded over the scalp, have been alternatively used. EEG signals, though, have quite low signal-to-noise ratio, but also carry information about the direction of vision, which is present in the ocular EEG artifacts produced during eye movement. In this diploma thesis, this directional information of EEG recordings is being efficiently deciphered and fused with the motion information decoded by the EMG signals in order to enhance the real-time reconstruction of arm motion. Subjects perform free, natural, three-dimensional arm motions while tracking their hand tra-jectory with their vision. The proposed methodology is suitable for above-elbow amputees and is validated through the real-time control of a 7-DoF robotic ma- nipulator. The promising results suggest that upper-arm amputees can potentially manipulate objects that lie in their field of vision.	en
heal.advisorName	Σταφυλοπάτης, Ανδρέας	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας	el
heal.committeeMemberName	Κυριακόπουλος, Κωνσταντίνος	el
heal.committeeMemberName	Νικήτα, Κωνσταντίνα	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών. Εργαστήριο Ευφυών Επικοινωνιών και Δικτύων Ευρείας Ζώνης	el
heal.academicPublisherID	ntua
heal.numberOfPages	80 σ.
heal.fullTextAvailability	true