.png){kind=icon}
返回
Integrating Human Intention into Multirobot Decision Making via Brain–Computer Interface Enabled Shared Autonomy
.png){kind=icon}
OA
AI
DOI：10.1109/TCDS.2024.3518544.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多机器人系统在执行制图、搜索和空间探索等任务时，通常具有更高的执行效率。然而，由于传感器测量误差的影响，多机器人系统的决策通常存在难以消除的偏差。在这种不利情况下，人类经验的优越性通常能指导多机器人系统做出正确决策。本研究提出了一种高分辨率脑机接口（BCI）范式，并通过图神经网络构建了人类意图概率模型。这有助于保留更丰富的交互信息，捕捉人类意图的固有不确定性和偏好特征。同时，引入了一种基于意见动力学的BCI赋能的共享自主策略，该策略整合了概率性人类意图，确保人与机器人在决策中的协同参与。实验结果表明，与传统BCI策略相比，该共享自主方法显著提高了决策准确性，相比初始多机器人估计具有明显优势。进一步分析显示，该方法在复杂任务环境中展现出人类与多机器人协作的潜力。
Keyword:
Brain–computer interface (BCI)
graph neural networks (GNNs)
opinion dynamics
shared autonomy
期刊
IF:
4.9
论文数:
1.1K
被引数:
3.5K
机构
引用论文
Filter bank canonical correlation analysis for implementing a high-speed SSVEP-based brain-computer interface基于滤波器组的典型相关分析，用于实现基于SSVEP的高速脑机接口
PREAI
分享收藏Dynamic locomotion synchronization of bipedal robot and human operator via bilateral feedback teleoperation.png)
SCIENCE ROBOTICS
SCIENCE ROBOTICSIF27.5
PREAI
分享收藏
分享收藏Attentional bias of competitive interactions in neuronal networks of early visual processing in the human brainNeuroImage
NeuroImageIF0
PREAI
分享收藏分享收藏
查看更多内容