首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    伏云发教授等人 | 脑机接口转化为实际应用的综合评价方法:在线 BCI 系统可用性、用户满意度和使用情况

    虽然脑机接口(Brain-Computer Interface,BCI)被认为是一种变革性的新型人机交互,已经取得了长足的进展,但该技术的水平与实际应用之间还有较大的差距。为促进BCI转化为实际应用,已有研究提出在线评价BCI分类算法的金标准,然而少有文献针对整个在线BCI系统提出更全面的评价方法,并且尚没有受到BCI研发界广泛的足够重视。为此,本文首先阐述了从离线BCI数据分析建模到在线BCI系统构建和性能优化的飞跃,接着强调以用户为中心,详述和评述了在线BCI系统转化为实际应用的综合评价方法,包括在线BCI系统可用性评价(包括系统有效性和效率评价)、用户满意度评价(包括与BCI相关方面的满意度评价等)和使用情况评价(包括BCI系统与用户的匹配性评价等)。最后讨论了在线BCI系统可用性和用户满意度评价面临的挑战、BCI功效评价以及BCI与人工智能(Artificial Intelligence, AI)或/和虚拟现实(Virtual Reality, VR)等技术相结合提高BCI系统的智能和用户体验感。期望本文阐述的在线BCI系统评价方法促进BCI转化为实际应用。

    01

    Cell:视觉错觉运动刺激的探索:基于EEG的实用辅助系统的脑机接口

    本文提出了一种基于视觉错觉运动刺激(illusory visual motion stimuli)的脑机接口(BCI),旨在使用提出的系统来增强运动想象(MI)的范式。由于运动想象需要较长时间的训练,因此通过感官系统进行外部刺激的刺激方法是一种提高效率的替代方法。该项研究分为两个部分。首先,研究人员观察了基于脑地形图的视觉运动错觉模式。其次,研究者实现了基于视觉错觉运动刺激的BCI系统。箭头和移动箭头模式用于调节视觉皮层和运动皮层的alpha节律。箭头模式的平均分类准确率约为78.5%。另外,使用提出的特征提取和决策算法,提出了基于视觉错觉运动刺激的BCI系统。该BCI系统可以通过设计的算法控制光标左右移动,生成5个辅助通信指令。10名志愿者参与了这项实验,并使用了一个带有运动想象和视觉错觉运动的脑机接口系统来比较效率。结果表明,该方法比运动想象的准确率提高了约4%。所提出的视觉错觉运动刺激和算法的正确率约为80.3%。研究人员表示,可以在基于MI的脑机接口系统中加入一种视觉错觉运动刺激混合脑机接口系统,以进行初学者运动想象。

    03

    学界 | 如何让智能体在产生疑惑时向人类求助?微软研究院用模仿学习解决了这个问题

    AI 科技评论按:随着智能语音等 AI 技术逐渐落地到现实场景中,智能语音助手、智能机器人等各类形态的 AI 的身影随处可见,真正走进了人们的日常生活中。然而,其目前在技术方面还是存在很多不成熟的地方,一个不留神便是一个大型「翻车现场」,另外,人机交互的不自然性也是其存在的一大挑战。对此,微软研究院提出用模仿学习来解决这一问题,并开发出了搭载语言助手的基于视觉的导航(VNLA),不仅能够训练智能体回答开放式的提问(即不需要提前规划好指令),还能够训练其在需要的时候通过语言策略性地寻求帮助,这就大大增强了智能体的自主学习能力,也大大提高了任务的完成度和准确性。微软研究院在博客上发布了这一成果,雷锋网 AI 科技评论编译如下。

    03

    学界 | 如何让智能体在产生疑惑时向人类求助?微软研究院用模仿学习解决了这个问题

    AI 科技评论按:随着智能语音等 AI 技术逐渐落地到现实场景中,智能语音助手、智能机器人等各类形态的 AI 的身影随处可见,真正走进了人们的日常生活中。然而,其目前在技术方面还是存在很多不成熟的地方,一个不留神便是一个大型「翻车现场」,另外,人机交互的不自然性也是其存在的一大挑战。对此,微软研究院提出用模仿学习来解决这一问题,并开发出了搭载语言助手的基于视觉的导航(VNLA),不仅能够训练智能体回答开放式的提问(即不需要提前规划好指令),还能够训练其在需要的时候通过语言策略性地寻求帮助,这就大大增强了智能体的自主学习能力,也大大提高了任务的完成度和准确性。微软研究院在博客上发布了这一成果,雷锋网 AI 科技评论编译如下。

    02
    领券