Onderzoekers van UCLA tonen een niet-invasieve brain-computerinterface (BCI) die wordt “gecopiloteerd” door kunstmatige intelligentie. In Nature Machine Intelligence beschrijven zij hoe een EEG-kap hersensignalen decodeert, terwijl een AI-systeem realtime de intentie van de gebruiker inschat. Het resultaat: sneller en nauwkeuriger cursorwerk én het succesvol bedienen van een robotarm.
|
AI co-pilot boosts noninvasive brain-computer interface by interpreting user intentUCLA engineers have developed a wearable, noninvasive brain-computer interface system that utilizes artificial intelligence as a co-pilot to help infer user intent and complete tasks by moving a robotic arm or a computer cursor. Published in Nature Machine Intelligence, the study shows that the interface demonstrates a new level of performance in noninvasive brain-computer interface, or BCI, systems. This could lead to a range of technologies to help people with limited physical capabilities, such as those with paralysis or neurological conditions, handle and move objects more easily and precisely. |
Gedeelde autonomie: Mens stuurt, AI helpt
De kern is “shared autonomy”: de gebruiker denkt richting en doel; de AI vult context in en helpt de beweging afronden. Technisch combineren de onderzoekers een adaptieve decoder (o.a. een convolutioneel neuraal netwerk met een ReFIT-achtige Kalman-filter) met een visiesysteem dat doelen herkent en bijstuurt. Zo wordt de besturing stabieler zonder ingrijpende neurochirurgie.
|
Brain–computer interface control with artificial intelligence copilots - Nature Machine IntelligenceMotor brain–computer interfaces (BCIs) decode neural signals to help people with paralysis move and communicate. Even with important advances in the past two decades, BCIs face a key obstacle to clinical viability: BCI performance should strongly outweigh costs and risks. To significantly increase the BCI performance, we use shared autonomy, where artificial intelligence (AI) copilots collaborate with BCI users to achieve task goals. We demonstrate this AI-BCI in a non-invasive BCI system decoding electroencephalography signals. We first contribute a hybrid adaptive decoding approach using a convolutional neural network and ReFIT-like Kalman filter, enabling healthy users and a participant with paralysis to control computer cursors and robo |
Meetbare winst in echte taken
In testen met vier deelnemers—waaronder één persoon met een verlamming—steeg de prestatiescore bij een cursoropdracht tot 3,9×. Dezelfde deelnemer wist met AI-hulp een robotarm vier blokken naar willekeurige posities te verplaatsen; zonder AI lukte die taak niet.
Waarom dit ertoe doet
Veel geavanceerde BCI’s vereisen implantaten met kosten en risico’s, en zitten nog vast in kleinschalige proeven. Dat deze resultaten met een draagbare EEG-opstelling zijn behaald, wijst op een toegankelijker route voor mensen met verlamming of motorische beperkingen: minder risico, meer dagelijks nut.
Hoe de proefopzet eruitzag
Deelnemers droegen een EEG-hoofdkap. Ze voerden twee scenario’s uit: (1) een cursor naar acht doelen bewegen en kort vasthouden; (2) een robotarm blokken laten “pick-and-place’n”. De AI keek mee via camera, interpreteerde intentie en hielp subtiel bijsturen—zonder de controle over te nemen.
Open code, snellere iteratie
Data en code zijn beschikbaar gesteld, wat opvolgonderzoek en reproduceerbaarheid versnelt. Tegelijk blijft het klinische traject afhankelijk van grotere, langdurige studies in dagelijkse settings.
De bredere belofte
Door doelgerichte taken (typen, objecten pakken, interfaces bedienen) te koppelen aan AI-ondersteuning, kan niet-invasieve neurotech sneller richting praktische hulpmiddelen groeien—van revalidatie tot assistieve robotica thuis.
|
Brain-AI System Translates Thoughts Into Movement - Neuroscience NewsResearchers have created a noninvasive brain-computer interface enhanced with artificial intelligence, enabling users to control a robotic arm or cursor with greater accuracy and speed. |
