白巖峰

（天津渤海職業(yè)技術(shù)學(xué)院，天津300400）

腦機(jī)接口(英文簡(jiǎn)稱(chēng)BCI)是一種綜合多學(xué)科、多領(lǐng)域的人機(jī)接口方式，其內(nèi)容涉及計(jì)算機(jī)科學(xué)、神經(jīng)科學(xué)、控制及信息科學(xué)和醫(yī)學(xué)等。BCI系統(tǒng)主要通過(guò)采集和提取腦電信號(hào)來(lái)識(shí)別人的思想，進(jìn)而將該腦電信號(hào)翻譯成控制信號(hào)，完成大腦與被控對(duì)象之間的信息傳遞及控制任務(wù)，促使人腦與外部設(shè)備之間的信息交互，在醫(yī)學(xué)上，可用于增強(qiáng)或恢復(fù)人類(lèi)身心健康，如感覺(jué)功能修復(fù)、人體生理機(jī)能增強(qiáng)、抑郁癥預(yù)測(cè)及治療等諸多應(yīng)用。

隨著國(guó)內(nèi)外科技界對(duì)BCI研究的不斷深入，BCI不僅在神經(jīng)科學(xué)、臨床醫(yī)學(xué)方面展現(xiàn)出極高的應(yīng)用價(jià)值，而且在工業(yè)、軍事、生活?yuàn)蕵?lè)等多個(gè)領(lǐng)域具有廣闊的應(yīng)用遠(yuǎn)景。與此同時(shí)，作為BCI應(yīng)用的重要載體—智能機(jī)器人，同樣在工業(yè)等領(lǐng)域發(fā)揮重要作用。以化工行業(yè)為例，智能機(jī)器人已在化工園區(qū)公共管廊安全[1]、化工產(chǎn)品及物料的輸送搬運(yùn)、化工廠環(huán)境的值班巡檢、化工企業(yè)工作人員的人機(jī)交互及人像識(shí)別等方面廣泛應(yīng)用，而以上功能的實(shí)現(xiàn)則往往建立在機(jī)器人工作時(shí)能有效躲避障礙物的前提下，避障算法的研究至關(guān)重要。以此為背景，本文主要針對(duì)智能移動(dòng)機(jī)器人運(yùn)行避障的腦機(jī)控制方法展開(kāi)研究。

1 存在問(wèn)題

國(guó)內(nèi)外已對(duì)腦控機(jī)器人有了一定的研究基礎(chǔ)。早在2008年，國(guó)外研究人員提出一種智能輪椅的BCI控制方案，將基于思維任務(wù)EEG的自主BCI所產(chǎn)生的指令與環(huán)境約束概率（即相乘）結(jié)合起來(lái)，實(shí)現(xiàn)輪椅的共享控制[2]；國(guó)內(nèi)某實(shí)驗(yàn)室，將腦-機(jī)接口技術(shù)與機(jī)器人技術(shù)相結(jié)合，通過(guò)對(duì)受訓(xùn)者腦電Alpha波阻斷現(xiàn)象進(jìn)行特征識(shí)別和提取，實(shí)現(xiàn)了對(duì)服務(wù)機(jī)器人的控制[3]。近些年，隨著技術(shù)的發(fā)展和成熟，機(jī)器人腦機(jī)控制方法呈現(xiàn)多樣性，市場(chǎng)上也出現(xiàn)多家腦控機(jī)器人產(chǎn)品。但是，由于缺乏可靠、易用、便捷的采集系統(tǒng)，智能機(jī)器人缺乏魯棒性和日常生活中的半自主性，機(jī)器人運(yùn)動(dòng)過(guò)程中BCI系統(tǒng)的信息傳輸率和準(zhǔn)確率較低，使得人機(jī)交互的流暢性較差，從而導(dǎo)致腦控機(jī)器人的運(yùn)動(dòng)控制容易出現(xiàn)穩(wěn)定性較差、運(yùn)動(dòng)卡頓甚至失控的問(wèn)題。此外，當(dāng)前市場(chǎng)上的腦控機(jī)器人系統(tǒng)多采用少量干電極進(jìn)行控制，這些新系統(tǒng)雖比傳統(tǒng)濕電極EEG系統(tǒng)更方便操作，但不能保證采集到真正的EEG信號(hào)，去噪效果也較差。

2 整體設(shè)計(jì)思路

本文將腦電信號(hào)作為生物信息的反饋信號(hào)，通過(guò)監(jiān)測(cè)受訓(xùn)者腦電的alpha波和beta波，進(jìn)行生物反饋，采用當(dāng)前技術(shù)先進(jìn)的醫(yī)用腦電信號(hào)采集系統(tǒng)，信號(hào)采集更加精準(zhǔn)，受訓(xùn)者經(jīng)訓(xùn)練，可輸出相對(duì)穩(wěn)定、準(zhǔn)確的腦控指令。在智能機(jī)器人控制方面，將動(dòng)態(tài)速度窗口法應(yīng)用于腦控機(jī)器人的運(yùn)動(dòng)控制，使得機(jī)器人運(yùn)動(dòng)平滑性和穩(wěn)定性得到很大改善，在一定程度上實(shí)現(xiàn)人機(jī)互補(bǔ)，提升人機(jī)交互的流暢性。

3 動(dòng)態(tài)窗口法

3.1 基本原理

動(dòng)態(tài)窗口法又稱(chēng)DWA（Dynamic Window Approach）算法，是一種機(jī)器人局部路徑規(guī)劃的算法。智能機(jī)器人在行進(jìn)過(guò)程中，其位置變換和方向變化是通過(guò)其當(dāng)前的運(yùn)動(dòng)速度及角速度（轉(zhuǎn)向速度）來(lái)實(shí)現(xiàn)的，而窗口是限定當(dāng)前機(jī)器人最大速度、最小速度及角速度的一個(gè)范圍(由機(jī)器人當(dāng)前狀態(tài)和運(yùn)動(dòng)模型獲得)，在該范圍內(nèi)，可計(jì)算機(jī)器人不同速度及角速度下所能到達(dá)的位置，通過(guò)對(duì)不同位置的評(píng)測(cè)（包括機(jī)器人與障礙物的距離及朝向終點(diǎn)的角度等），獲取機(jī)器人當(dāng)前最佳位置，并由該位置繼續(xù)重復(fù)上述過(guò)程建立新的窗口，這樣便形成了動(dòng)態(tài)窗口，根據(jù)評(píng)價(jià)指標(biāo)對(duì)各軌跡進(jìn)行評(píng)估，選取最優(yōu)軌跡和最優(yōu)速度[4]。

3.2 實(shí)現(xiàn)步驟

3.2.1 選擇機(jī)器人運(yùn)動(dòng)模型

在動(dòng)態(tài)窗口算法中，要生成機(jī)器人的軌跡，首先要確定機(jī)器人的運(yùn)動(dòng)模型，本文以差分驅(qū)動(dòng)運(yùn)動(dòng)模型為例，假設(shè)機(jī)器人只完成前進(jìn)和旋轉(zhuǎn)，且機(jī)器人旋轉(zhuǎn)角速度和平移速度可獨(dú)立控制[5]。

在t時(shí)刻，用x(t)和y(t)表示機(jī)器人位置坐標(biāo)，用θ(t)表示機(jī)器人運(yùn)動(dòng)方向與水平方向的夾角，則可用[x(t)，y(t)，θ(t)]來(lái)描述機(jī)器人當(dāng)前的運(yùn)動(dòng)學(xué)模型。假設(shè)機(jī)器人在前進(jìn)和旋轉(zhuǎn)運(yùn)動(dòng)中，初始位置為（x0，y0），在不發(fā)生碰撞的前提下，經(jīng)過(guò)n個(gè)時(shí)間間隔到達(dá)目標(biāo)位置，每個(gè)時(shí)間間隔的速度為(vt，ωt)，間隔時(shí)間內(nèi)的加速度為零，由此可獲得t時(shí)刻到t+1時(shí)刻，機(jī)器人坐標(biāo)位移與角度間的關(guān)系，進(jìn)而描述機(jī)器人運(yùn)行軌跡，見(jiàn)公式（1）～（3）。

3.2.2 機(jī)器人速度采樣

在確定了運(yùn)動(dòng)模型的基礎(chǔ)上，通過(guò)機(jī)器人左右輪的速度可獲得機(jī)器人的運(yùn)行軌跡?？紤]到機(jī)器人自身最大速度、最小速度、最大加減速和電機(jī)力矩等因素的影響，對(duì)速度(v，ω)的二維采樣空間進(jìn)行限制，得到一個(gè)動(dòng)態(tài)窗口，機(jī)器人在該窗口內(nèi)的速度與其實(shí)際能夠達(dá)到的速度相匹配。

3.2.3 評(píng)價(jià)函數(shù)

根據(jù)采樣速度可生成許多條軌跡，為選出一條最優(yōu)軌跡，現(xiàn)定義如下評(píng)價(jià)函數(shù)，見(jiàn)公式（4）。

其中：heading(v，ω)為方位角評(píng)價(jià)函數(shù)，用于衡量機(jī)器人在當(dāng)前速度條件下，到達(dá)預(yù)期軌跡末端時(shí)頭部朝向與目標(biāo)位置間的角度的偏差，該值越小，評(píng)價(jià)得分越高。

dist(v，ω)為間隙評(píng)價(jià)函數(shù)，表征機(jī)器人在當(dāng)前軌跡與最近的障礙物之間的距離，該值越大越好，如果軌跡與障礙物發(fā)生了碰撞，則把這條估計(jì)排除掉。

velocity(v，ω)為速度評(píng)價(jià)函數(shù)，評(píng)估機(jī)器人當(dāng)前軌跡的速度大小。通常，機(jī)器人速度在不超過(guò)最大值的前提下，該值越大越好。確定了評(píng)價(jià)函數(shù)之后，通過(guò)對(duì)采樣速度生成的軌跡進(jìn)行評(píng)估，進(jìn)而可選擇出最優(yōu)軌跡和最優(yōu)速度。

以上三部分計(jì)算出來(lái)的數(shù)據(jù)進(jìn)行分別進(jìn)行歸一化平滑處理，再相加。所謂歸一化，就是將以上各項(xiàng)除以各自項(xiàng)的總和，由以上三部分構(gòu)成的評(píng)價(jià)函數(shù)可使機(jī)器人在局部導(dǎo)航過(guò)程中，避開(kāi)障礙物，以較快速度朝目標(biāo)行駛。

3.2.4 軌跡生成

在生成軌跡之前，設(shè)置機(jī)器人的最大速度、最小速度、最大加速度、最小加速度、速度分辨率、采樣時(shí)間，機(jī)器人自身半徑(用于碰撞檢查)以及評(píng)價(jià)函數(shù)所用到的權(quán)重值。根據(jù)3.2.1中的差分驅(qū)動(dòng)運(yùn)動(dòng)學(xué)模型，以及初始位姿和速度來(lái)即可生成軌跡。

4 腦機(jī)動(dòng)態(tài)速度窗口控制法

4.1 腦機(jī)控制基本思路

在智能移動(dòng)機(jī)器人兩輪差分驅(qū)動(dòng)和動(dòng)態(tài)窗口控制算法的基礎(chǔ)上，將腦機(jī)接口技術(shù)與機(jī)器人控制進(jìn)行結(jié)合，利用基于EEG的BCI系統(tǒng)來(lái)控制移動(dòng)機(jī)器人。設(shè)計(jì)采用臨床中使用的濕電極和導(dǎo)電膏，準(zhǔn)確獲取腦電alpha波和beta波，采用模式識(shí)別的方法對(duì)腦電信號(hào)進(jìn)行分類(lèi)提取特征信息，估計(jì)大腦意圖，從而獲得控制指令，即前進(jìn)、左轉(zhuǎn)、右轉(zhuǎn)。根據(jù)當(dāng)前機(jī)器人運(yùn)動(dòng)狀態(tài)（位姿、速度）和腦機(jī)指令，將當(dāng)前機(jī)器人的運(yùn)動(dòng)速度窗口，分為直線區(qū)域、左轉(zhuǎn)區(qū)域和右轉(zhuǎn)區(qū)域。

智能機(jī)器人在運(yùn)行過(guò)程中將結(jié)合當(dāng)前外部障礙和腦機(jī)控制指令來(lái)決策速度。當(dāng)指令為直線速度時(shí)，直接使用左右輪速度相同或者近似相等的速度組合（如紅色標(biāo)記）；否則，在左轉(zhuǎn)區(qū)或者右轉(zhuǎn)區(qū)域中選擇最優(yōu)的左右輪速度；當(dāng)根據(jù)指令選擇的最優(yōu)速度與外部障礙物存在碰撞可能時(shí)，則機(jī)器人自動(dòng)停止運(yùn)動(dòng)，并等待下一次的控制指令。

4.2 Matlab仿真實(shí)驗(yàn)

本研究對(duì)機(jī)器人動(dòng)態(tài)速度窗口算法做了大量仿真實(shí)驗(yàn)，仿真結(jié)果顯示，在障礙物排列較松散時(shí)，該算法能夠使機(jī)器人以較快速度到達(dá)目標(biāo)點(diǎn)，且運(yùn)行軌跡相對(duì)平滑；若障礙物排列較緊密，機(jī)器人需在障礙物間隔中連續(xù)轉(zhuǎn)彎通過(guò)時(shí)，機(jī)器人速度遲緩，甚至出現(xiàn)碰撞（例如圖1，A點(diǎn)）或進(jìn)入死角的情況。將腦機(jī)控制應(yīng)用到機(jī)器人避障運(yùn)行過(guò)程后，當(dāng)機(jī)器人運(yùn)行方向有誤或速度明顯降低的情況下，通過(guò)腦控指令影響機(jī)器人左右輪運(yùn)動(dòng)速度的選擇，調(diào)整機(jī)器人運(yùn)行方向（例如圖1，B點(diǎn)），可優(yōu)化機(jī)器人運(yùn)行的速度和軌跡，減小碰撞幾率。

圖1 MATLAB仿真效果對(duì)照?qǐng)D

5 結(jié)語(yǔ)

機(jī)器人動(dòng)態(tài)速度窗口法在腦機(jī)控制中的應(yīng)用是研究的初步嘗試，當(dāng)采樣時(shí)間間隔較短且腦機(jī)指令間隔較短時(shí)，因?yàn)閯?dòng)態(tài)窗口存在的糾偏能力，可能導(dǎo)致指令和窗口規(guī)劃在小范圍的速度抖動(dòng)，快速腦機(jī)指令下的運(yùn)動(dòng)平滑將是后續(xù)的研究方向。隨著研究的不斷深入，基于動(dòng)態(tài)窗口法的機(jī)器人腦機(jī)控制方法有望應(yīng)用于化工車(chē)間移動(dòng)巡檢機(jī)器人，為機(jī)器人有效避障控制方案的設(shè)計(jì)提供借鑒。