Proceedings XII Workshop de Investigadores en Ciencias de la Computación
Área Procesamiento de Señales y Sistemas de Tiempo Real. Pág. 641-645
(2010) ISBN 978-950-34-0652-6
CONTROL DE ROBOTS BASADO EN BIOSEÑALES
Jorge Ierache1,2,3, Martin Dittler3, Gustavo Pereira3, Ramón García Martínez4.
Programa de Doctorado Facultad de Informática Universidad Nacional de La Plata 1
Laboratorio de Sistemas Inteligentes Facultad de Ingeniería. Universidad de Buenos Aires2 Instituto de Sistemas Inteligentes y Enseñanza Experimental de la Robótica FICCTE3 Grupo Investigación en Sistemas de Información. Departamento Desarrollo Productivo y Tecnológico. Universidad Nacional de Lanús4
Universidad de Morón, Cabildo 134, (B1708JPD) Morón, Buenos Aires, Argentina
54 11 5627 200 int 189 jierache@unimoron.edu.ar
CONTEXTO las bases tecnológicas, el desarrollo de un
En la actualidad se trabaja en el control de framework de comunicación de alto y bajo robots a través de la adaptación de de Brain- Machine Interfase (BMI), nuestra líneas de Palabras clave: Robots, Maquina de interface trabajo se enfocan a la experimentación de con el Cerebro, Señales bio-electricas, soluciones de integración para el control de Interfaces humano-maquina. robots por bioseñales. Este proyecto se encuentra financiado por la Facultad de 1. INTRODUCCIÓN Informática, Ciencias de la Comunicación y La aplicación de bioseñales para el control de Técnicas Especiales de la Universidad de sistemas, robots, aplicaciones, juegos y Morón. Se trabaja en futuras pruebas de dispositivos en general presenta un enfoque integración de control de Bioseñales para el novedoso al abrir las puertas para la control remoto de robots, como así también la interacción entre humanos y computadoras en participación de estudiantes de grado y una nueva dimensión, donde se explotan posgrado para la continuación de las líneas de específicamente biopotenciales eléctricos investigación relacionadas registrados en el usuario, estos biopotenciales incluyen el electro-miograma, el electro- RESUMEN encefalograma y el electro-oculograma, que En este artículo se describe el trabajo de son bioseñales eléctricas generadas por los investigación que en la actualidad se está patrones de actividad de los músculos, el desarrollando dentro del área de las celebro y los ojos del usuario. La idea de comunicación de humanos a robots, sobre la mover robots o facilitar la aplicación de base de bioseñales cerebrales, con la dispositivos para discapacitados sin aplicar aplicación de tecnologías e interfases controles manuales y alcanzar el control sólo disponibles que facilitaron las lecturas de a través de la actividad mental, fascinó a los señales del cerebro del usuario y su investigadores. En este orden diversos asociación a comandos explícitos que trabajos se presentaron, los primeros trabajos permitieron a través de la adecuación de recurrieron a implantar electrodos dispositivos de comunicación, el control de intracraneales en la corteza motora de robots bípedos y móviles. Nuestro trabajo primates [1], [2]. Los trabajos no invasivos explora una solución de ingeniería, aplicando para humanos recurrieron a señales de Electroencefalogramas (EEG), aplicados a preliminares y como robot principal se armó ejercicios de comandos mentales, como un simple robot móvil sobre la base de un mover el cursor de una computadora [3], [4] Lego NXT [9], actualmente se trabaja en el basados en el empleo de Brain-Machine control de un robot e-puck desarrollado por Interface (BMI) Millan et. al [5] demuestra EPFL, el Instituto Federal Suizo de cómo dos personas pueden mover un robot Tecnología en Lausanne y el BMI Emotiv. usando un simple electroencefalograma, sobre la base de reconocer tres estados mentales, los que se asocian a comandos del robot. Los 2. LÍNEAS DE INVESTIGACIÓN Y trabajos de Saulnier et. al. [6] se enfocaron en DESARROLLO controlar la velocidad de un robot y extender Integración de una solución de ingeniería para su aplicación para inferir el nivel de stress del el control de sistemas de robots a través de usuario, y a partir de éste influir en el bio-señales de humanos, en el contexto de comportamiento social de robots domésticos, aprendizaje por refuerzo por la observación de en este caso una aspiradora robot. El trabajo un tutor humano. seminal de Millan et al [5], emplea como única bioseñal el electro-encefalograma, sobre 3. DISCUSIÓN DE LOS RESULTADOS la base del trabajo de dos personas para Nuestro objetivo inicial fue explorar una apoyar la navegación de un robot, a diferencia solución de ingeniería que nos permita de éste, nuestro trabajo presenta el resultado alcanzar una integración primaria de un BMI preliminar empleando un BMI de bajo costo, y un robot, para ser utilizada por un usuario utilizado en trabajos secundarios como el de que no requiera tener experiencia previa con Saulier et al [6], que incluye las bioseñales técnicas de meditación o entrenamiento correspondiente al electro-encefalograma, la específico de concentración mental. de electro-oculograma y el electromiograma. Para el control mental de un robot, se A diferencia del trabajo de Saulier et al [6], plantearon dos comandos: uno que permite que implementa un control de velocidad sobre controlar la selección de comportamientos y la base del electromiograma e infiere el estado otro que permite la ejecución, de los de stress del usuario sobre la base del comportamientos de los robots, sobre la base electroencefalograma, nuestro trabajo se de sus propios controladores (por ejemplo enfoca en la ejecución de un patrón de caminar hacia adelante para el robot bípedo o navegación por parte de un robot, girar a la derecha para el robot móvil), esto no confrontando los tiempos de ejecución del presentó mayores dificultades al ser asociada control manual y del control mental, durante la ejecución a un estímulo de una bioseñal el inicio de la curva de aprendizaje de un muscular. Sin embargo la selección de un usuario, con resultados que demuestran que el comportamiento (en nuestro contexto, los control mental requiere en términos generales correspondientes al menú de la familia de el doble de tiempo que el control manual para comportamientos del robot) a través de la ejecución de un mismo patrón de control mental, sobre la base de bioseñales navegación. Sin embargo nuestro trabajo provenientes del electro-encefalograma, no presenta en el contexto descrito una mejora en resultó práctico para el usuario, en razón a la los tiempos de control mental, que supera dificultad que se le presentó para controlar en ligeramente al control manual, en las pruebas forma estable el menú de selección de de ejecución del mismo patrón de navegación, comportamientos. la que denominamos control mental con auto Se estableció una arquitectura experimental foco. En nuestra investigación se empleo el que contempla dos vías de comunicación, la Bípedo Robosapiens V1. [7] de la familia primera vía y principal objeto de estudio la Wow Wee Robotics [8], para los ensayos denominamos vía de comunicación de alto nivel: “usuario-computadora”, esta vía se instrumentó con un BMI de bajo costo OCZ NIA [10], de empleo experimental en video juegos, que permite la asociación de patrones de señales mentales con el teclado y controles del mouse de la computadora. Sobre estas facilidades se determinó un profile simple para el manejo de los robots, que asocian y Fig.1. Integración BMI-NIA y Robots caracterizan en primer lugar, el control para la ejecución del comando mental sobre la base La configuración del framework para el de la detección de señales musculares, en desarrollo de las pruebas en la modalidad nuestro caso a través de un leve movimiento control mental con auto foco, adoptó la de los párpados. En segundo lugar la siguiente ruta de comandos: left-stop, selección de los comandos de alto nivel del forward-stop, right-stop. La ejecución del robot, en este caso se trabajó sobre la base de comando forward se configuró con un tiempo las ondas cerebrales Alfa. Este tipo de de 2 segundos y los giros con un tiempo de 50 bioseñales no aseguraron un adecuado control segundos. Para las pruebas de control mental al usuario en los desplazamientos, a través del (sin auto foco) se desactivó dicha función y se menú de selección de comandos del empleó el mismo framework al igual que en framework de control del robot. Frente a esta el control manual, con los mismo parámetros razón se implementó en el framework la temporales para la ejecución de forward y opción de aplicación de auto foco para el giros. modo control mental, a fin de mejorar el A la fecha no se han dominado todas las gobierno del usuario en el proceso de características del BMI de NIA, podemos selección. La segunda vía de comunicación la comentar: que cada vez que se utiliza debe ser denominamos vía de comunicación de bajo calibrado, si bien se encontró que la nivel: “computadora –robot”, se efectuó para calibración no ha sido siempre necesaria, lo el caso del Robosapiens V1 a través del mejor es calibrar antes de cada período de empleo de una torre IR [11] y para el robot sesiones de pruebas. En diversas móvil NXT se explotaron sus capacidades de oportunidades no se arribó a los resultados comunicación en Bluetooth. La comunicación deseados: especialmente en los primeros con robots vía IR, se basó sobre los resultados intentos, esto se debe en parte a la obtenidos en la captura y reproducción de sensibilidad del equipo a campos comandos controlados desde una electromagnéticos, como así también se computadora [12]. Se utilizó como interface encontró que el usuario también podía cerebro-máquina (brain-machine interface/ influenciar al BMI de NIA al tocarlo. Los BMI) el Neural impulse actuator (NIA) [10]. usuarios en los entrenamientos iniciales al La comunicación de los comportamientos de cabo de aproximadamente 30 minutos se robots se implementan en dos vías de cansaban y requerían un breve reposo. Al comunicación (Fig 1), una de alto nivel entre comenzar, el usuario realiza movimientos el BMI-NIA y el framework y otra de bajo musculares exagerados, pero con la práctica y nivel entre este último a través del dispositivo las mejoras en la calibración del profile, los de transmisión de comunicación con el robot. movimientos musculares se minimizan. Las pruebas realizadas con el robot bípedo se orientaron a la ejecución libre de comandos mentales y sirvieron como base para la preparación de las pruebas de mayor complejidad con el robot móvil. Se 11,32 % mejor que el control manual, sin documentó, una de las pruebas funcionales de embargo el control manual resultó un 111 % ejecución libre de comportamientos del mejor que el control mental (sin auto foco). bípedo con un video [13]. Las pruebas del Se muestra en la Fig 2 la distribución robot móvil se realizaron sobre una área de comparativa de los tiempos promedios de las experimentación (2,00 mts x 1,50 mts) sobre sesiones de pruebas para cada tramo: con las cual se marcaron cuatro check–points control manual, control mental, y control (Cp). El primer caso de prueba fue el de mental con auto-foco respectivamente. control manual (MC) del robot controlado por Finalmente se muestra en la Fig 3 el tiempo el usuario, para este caso se realizaron tres total para cada tramo, por cada prueba en sesiones de entrenamiento y tres sesiones de función del tipo de control (control manual, prueba. El segundo caso de prueba fue el de control mental, y control mental con auto- control mental (BC), se realizaron nueve foco respectivamente). Para completar el sesiones de entrenamiento previo y tres patrón de navegación, la segunda prueba de sesiones de prueba. El tercer caso de prueba control mental (test 2 BC) fue la que demandó se realizó para verificar la propuesta de este el mayor tiempo (45,47 seg) y la tercer prueba trabajo, en relación al empleo de control de control mental con auto foco (test 3 BC- mental con auto-foco (BC-AF) en el comando AF) resultó ser la que menos tiempo demandó a ejecutar, en función del patrón de (13,93 seg) para completar el mismo patrón navegación. de navegación. Se documentó con videos Se realizaron seis sesiones de entrenamiento y parte de las pruebas detalladas: control mental tres sesiones de prueba para esta modalidad. [14], control mental con auto foco [15]. Para cada sesión de pruebas se tomaron los tiempos parciales de cada tramo definido 00:17,28
entre cada check-point (Cp), “Resultados de 00:12,96 Manual Control
experimentación robot móvil”. Se obtuvo Brain Control
00:08,64 como resultado preliminar que la Brain Control with combinación de control mental con auto foco 00:04,32 Auto focus (BC-AF) resultó más rápida que la solución 00:00,00 de control manual, sin embargo la solución de Path 1 Path 2 Path 3 Path 4
control mental (BC) resultó más lenta en
términos generales que una solución de Fig. 2. Tiempo promedio entre path control manual (MC). Los resultados Test 1 MC promedios comparativos obtenidos de las tres 00:51,84 Test 1 BC sesiones de pruebas para cada caso de control 00:43,20 Test 1 BC- AF 00:34,56 (manual, mental, mental con auto foco Test 2 MC 00:25,92 respectivamente): (a) el tiempo por tramo Test 2 BC 00:17,28 entre cada check point, (b) el tiempo total 00:08,64 Test 2 BC-AF para realizar el patrón, (c) la diferencia de 00:00,00 Test 3 MC tiempo entre control manual y control mental, Path 1 Path 2 Path 3 Path 4 Test 3 BC Test 3 BC-AF (d) la diferencia de tiempo entre control manual y control mental con auto foco, (e) Fig. 3. Tiempo total para cada prueba porcentajes finales entre control manual y control mental, porcentajes finales entre Finalmente los trabajos futuros se centrarán control manual y control mental con auto en el control de un robot e-puck desarrollado foco. por EPFL, el Instituto Federal Suizo de Finalmente como síntesis podemos decir que Tecnología en Lausanne y el BMI de Emotiv. el control mental con auto foco resultó en un [5] José Millán, Frédéric Renkensb, Josep 4. FORMACIÓN DE RECURSOS Mouriñoc, and Wulfram Gerstnerb. Non- HUMANOS Invasive Brain-Actuated Control of a En la actualidad esta línea de investigación Mobile Robot by Human EEG. IEEE vincula al PID de FICCTE–UM, lo integra un Trans. on Biomedical Engineering, Vol estudiante de Doctorado que trabaja en el área 51, June 2004. de sistemas autónomos de robots y dos [6] Paul Saulnier, Ehud Sharlin, and Saul estudiantes de tesis de grado orientadas al Greenberg. Using Bio-electrical Signals control remoto de robots por Bioseñales vía to Influence the Social Behaviours of Internet y su futura continuación a través de Domesticated Robots. HRI’09, March las líneas de investigación de aprendizaje por 11–13, 2009, La Jolla, California, refuerzo de robots a través de bioseñales. USA.ACM 978-1-60558-404-1/09/03. [7] WowWeeRobotics. http://www.wow 5. BIBLIOGRAFÍA wee.com/en/products [1] J. Wessberg, C. R. Stambaugh, J. D. [8] RS http:/www.wowwee.com/static/ Kralik, P. D. Beck, M. Laubach, J. K. support/robosapien/manuals/Robosapien Chapin, J. Kim, S. J. Biggs, M. _Manual.pdf A.Srinivassan, and M. A. L. Nicolelis, [9] NXT http://mindstorms.lego.com/eng/ “Real-time prediction of hand trajectory Overview/default.aspx nxt by ensembles of cortical neurons in [10] NIA http://www.ocztechnology.com/ primates,” Nature, vol. 408, pp. 361– products/ocz_peripherals/nia- 365, 2000. neural_impulse_actuator. [2] M. A. L. Nicolelis, “Brain-machine [11] USB-UIRT: <http://www.usbuirt.com/> interfaces to restore motor function and [12] J, Ierache., M, Bruno., N, Mazza., M, probe neural circuits,” Nature Dittler “Robots y Juguetes Autónomos Rev.Neurosci., vol. 4, pp. 417–422, una Oportunidad en el Contexto de las 2003. Nuevas Tecnologías en Educación”., [3] R. Wolpaw, D. J. McFarland, and T. M. Proceedings VII Ibero-American Vaughan, “Brain-computer interface Symposium on Software Engineering. research at the Wadsworth center,” IEEE Pag 371-379 Trans. Rehab. Eng., vol. 8, pp. 222–226, [13] Video Bípedo: http://www.youtube.com/ 2000. watch?v=-04JjfMcdfU [4] J. del R Millán, “Brain-computer [14] Video Brain control: http://www. interfaces,” in Handbook of Brain youtube.com/watch?v=LhKV50jNgcY Theory and Neural Networks, 2nd ed, [15] Video Brain control con auto foco: M.A. Arbib, Ed. Cambridge, MA: MIT http://www.youtube.com/watch?v=hD9C Press, 2002. vQlNxho