Άδραγμα μέσω ρομποτικού τηλεχειρισμού βασισμένου σε ηλεκτροεγκεφαλογραφικά σήματα

Καλαβρυτινός, Χαράλαμπος; Kalavritinos, Charalampos

dc.contributor.author	Καλαβρυτινός, Χαράλαμπος	el
dc.contributor.author	Kalavritinos, Charalampos	en
dc.date.accessioned	2018-03-27T07:47:01Z
dc.date.available	2018-03-27T07:47:01Z
dc.date.issued	2018-03-27
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/46786
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.15000
dc.rights	Default License
dc.subject	Ηλεκτροεγκεφαλογραφία	el
dc.subject	Διεπαφή εγκεφάλου-υπολογιστή	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Επεξεργασία ψηφιακών σημάτων	el
dc.subject	Ρομποτικός τηλεχειρισμός	el
dc.subject	Electroencephalography	en
dc.subject	Brain computer-interface	el
dc.subject	Machine learning	el
dc.subject	Digital signal processing	el
dc.subject	Robotic teleoperation	el
dc.title	Άδραγμα μέσω ρομποτικού τηλεχειρισμού βασισμένου σε ηλεκτροεγκεφαλογραφικά σήματα	el
dc.title	Grasping through robotic teleoperation based on electroencephalographic signals	en
heal.type	bachelorThesis
heal.classification	Ρομποτική	el
heal.classification	Επεξεργασία σήματος	el
heal.classificationURI	http://data.seab.gr/concepts/989f7eb5ce955dbf96b4eebf1ff0aaec33f7e858
heal.classificationURI	http://data.seab.gr/concepts/d4a2bbb7e49dc1c3b397d27e9041df8118db670b
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-02-08
heal.abstract	Τα τελευταία χρόνια τα μέσα Διασύνδεσης Εγκεφάλου-Υπολογιστή (ΔΕΥ) αλλάζουν τον τρόπο επικοινωνίας μεταξύ ανθρώπων και μηχανών. Αυτή η τεχνολογία μπορεί να θεωρηθεί ως το μέλλον όσον αφορά την αλληλεπίδραση ανθρώπου-ρομπότ, αφού επιτρέπει στα ρομπότ να καταλαβαινουν και να αντιδρούν στη νοητική κατάσταση του ανθρώπινου μυαλού, χωρίς να απαιτείται ιδιαίτερη ανθρώπινη προσπάθεια ή προηγούμενη εκπαίδευση. Η χρήση των βιο-σημάτων, και συγκεκριμένα των Ηλεκτροεγκεφαλογραφικών (ΗΕΓ) σημάτων γίνεται όλο και πιο δημοφιλής σε τέτοια μέσα διασύνδεσης. Αυτά τα σήματα, παρόλο που είναι ασθενή και θορυβώδη, και επομένως, δύσκολα στην επεξεργασία, χρησιμοποιούνται ευρέως λόγω της μη επεμβατικής φύσης τους και της ικανότητάς τους να διασφαλίζουν θεαματικά γρήγορη επικοινωνία ανθρώπου-ρομπότ. Πολλοί ερευνητές εστιάζουν στην ανίχνευση και ανάλυση σημάτων που προκαλούνται συγκεκριμένα από την κίνηση των ματιών και των βλεφάρων, γνωστών και ως οφθαλμικών ΗΕΓ σημάτων \en{(artifacts)}. Αν και στις περισσότερες περιπτώσεις αυτά τα σήματα θεωρούνται ανεπιθύμητα και συνήθως απορρίπτονται, περιέχουν πληροφορία που μπορεί να αποδειχθεί χρήσιμη. Το επίκεντρο της παρούσας διπλωματικής εργασίας είναι η χρήση τέτοιων ΗΕΓ σημάτων για το χειρισμό ρομποτικού βραχίονα με σκοπο το άδραγμα κάποιου αντικειμένου. Ηλεκτροεγκεφαλογραφικά σήματα αποκτώνται από ανθρώπους κατά τη διάρκεια πειραμάτων, και επεξεργάζονται και αποκωδικοποιούνται με τη χρήση τεχνικών μηχανικής μάθησης για παλινδρόμηση και κατηγοριοποίηση. Μία νέα τεχνική προτείνεται, για τη διευκόλυνση του αδράγματος μέσω της ακινητοποίησης του ρομποτικού βραχίονα κατά τη διάρκεια ακινησίας των ματιών, χρησιμοποιώντας χρονικά προσαρμοζόμενα βάρη για εφαρμογή σε πραγματικό χρόνο. Τέλος, προστίθεται στη διεπαφή ένας τρόπος για να εκφραστεί η ανθρώπινη επιθυμία για άδραγμα, χρησιμοποιώντας αποκλειστικά συγκεκριμένα ΗΕΓ σήματα.	el
heal.abstract	During the last decades, Brain-Computer interfaces (BCIs) are changing the communication theme between humans and machines. This technology can be considered as the future in human-robot interaction, as it enables the robot to understand and respond to the human mind's cognitive state, without requiring much human effort or training. The use of bio-signals, and in particular Electroengephalography (EEG) signals is becoming increasingly more popular in such interfaces. These signals, despite being weak, noisy and, thus, tricky to process, are being widely used due to their non-intrusive nature and their ability to ensure incredibly fast human-robot communication. Many researchers focus on detecting and analysing signals specifically caused by the movement of the eyes and eyelids, known as ocular EEG artifacts. Even though in most cases these signals are unwanted and likely to be discarded, they carry information that can be proven useful.} \tl{The focus of this diploma thesis is the use of such EEG signals for robotic arm manipulation for the purpose of grasping an object. EEG signals are acquired from humans during experiments, and are processed and decoded using machine learning models for regression and classification. A novel method to facilitate grasping by the immobilization of the robotic arm during absence of eye movement is introduced, using adaptive weights for real-time application. Lastly, a way of expressing the human's intent for grasping, using exclusively certain EEG artifacts, is added to this interface.	en
heal.advisorName	Νικήτα, Κωνσταντίνα	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Κυριακόπουλος, Κωνσταντίνος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	103 σ.
heal.fullTextAvailability	true