論文の概要: Control of a commercial vehicle by a tetraplegic human using a bimanual brain-computer interface
- arxiv url: http://arxiv.org/abs/2508.11805v1
- Date: Fri, 15 Aug 2025 21:24:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-19 14:49:10.38437
- Title: Control of a commercial vehicle by a tetraplegic human using a bimanual brain-computer interface
- Title（参考訳）: 両脳-コンピュータインタフェースを用いた四肢人間による商用車両の制御
- Authors: Xinyun Zou, Jorge Gamez, Meghna Menon, Phillip Ring, Chadwick Boulay, Likhith Chitneni, Jackson Brennecke, Shana R. Melby, Gracy Kureel, Kelsie Pejsa, Emily R. Rosario, Ausaf A. Bari, Aniruddh Ravindran, Tyson Aflalo, Spencer S. Kellis, Dimitar Filev, Florian Solzbacher, Richard A. Andersen,
- Abstract要約: 脳コンピュータインタフェース(BCI)は、運動計画と実行を推測するために、脳から直接神経信号を読み取る。
シミュレーションと実環境の両方で車両を駆動するBCIシステムを開発した。
- 参考スコア（独自算出の注目度）: 0.4713176035149453
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Brain-computer interfaces (BCIs) read neural signals directly from the brain to infer motor planning and execution. However, the implementation of this technology has been largely limited to laboratory settings, with few real-world applications. We developed a bimanual BCI system to drive a vehicle in both simulated and real-world environments. We demonstrate that an individual with tetraplegia, implanted with intracortical BCI electrodes in the posterior parietal cortex (PPC) and the hand knob region of the motor cortex (MC), reacts at least as fast and precisely as motor intact participants, and drives a simulated vehicle as proficiently as the same control group. This BCI participant, living in California, could also remotely drive a Ford Mustang Mach-E vehicle in Michigan. Our first teledriving task relied on cursor control for speed and steering in a closed urban test facility. However, the final BCI system added click control for full-stop braking and thus enabled bimanual cursor-and-click control for both simulated driving through a virtual town with traffic and teledriving through an obstacle course without traffic in the real world. We also demonstrate the safety and feasibility of BCI-controlled driving. This first-of-its-kind implantable BCI application not only highlights the versatility and innovative potentials of BCIs but also illuminates the promising future for the development of life-changing solutions to restore independence to those who suffer catastrophic neurological injury.
- Abstract（参考訳）: 脳コンピュータインタフェース(BCI)は、運動計画と実行を推測するために、脳から直接神経信号を読み取る。
しかし、この技術の実装は実験室の設定に限られており、実際の応用はほとんどない。
シミュレーションと実環境の両方で車両を駆動するBCIシステムを開発した。
後頭頂葉皮質 (PPC) と運動皮質 (MC) の手ノブ領域に皮質内BCI電極を埋め込んだ四肢麻痺の個体が, 少なくとも高速かつ正確に運動無力な参加者と反応し, 模擬車両を同制御群として駆動することを示した。
カリフォルニア州在住のこのBCI参加者は、ミシガン州でFord Mustang Mach-Eを遠隔運転することもできた。
最初の遠隔操作は、閉じた都市試験施設での速度とステアリングのカーソル制御に頼っていた。
しかし、最終的なBCIシステムは、フルストップブレーキのクリック制御を追加し、仮想街を走行するシミュレートと、現実世界の交通のない障害物コースを遠隔運転する両面のカーソル・アンド・クリック制御を可能にした。
また,BCI制御運転の安全性と実現可能性を示す。
この先駆的な移植可能なBCIアプリケーションは、BCIの汎用性と革新的な可能性を強調しているだけでなく、破滅的な神経障害に苦しむ人々への独立回復のための、生命を変えるソリューションの開発に期待できる未来を照らしている。
関連論文リスト
- A Systematic Study of Multi-Agent Deep Reinforcement Learning for Safe and Robust Autonomous Highway Ramp Entry [0.0]
本研究では,車体前方移動動作を制御するハイウェイランプ機能について検討し,車体が進入する高速道路交通の流れとの衝突を最小限に抑える。
我々はこの問題に対してゲーム理論的マルチエージェント(MA)アプローチを採用し、深層強化学習(DRL)に基づくコントローラの利用について検討する。
本稿では,2台以上の車両(エージェント)の相互作用を研究することで既存の作業を拡張し,交通量やエゴカーを付加して道路シーンを体系的に拡張する。
論文 参考訳（メタデータ） (2024-11-21T21:23:46Z) - FastRLAP: A System for Learning High-Speed Driving via Deep RL and
Autonomous Practicing [71.76084256567599]
本稿では、自律型小型RCカーを強化学習(RL)を用いた視覚的観察から積極的に駆動するシステムを提案する。
我々のシステムであるFastRLAP (faster lap)は、人間の介入なしに、シミュレーションや専門家によるデモンストレーションを必要とせず、現実世界で自律的に訓練する。
結果として得られたポリシーは、タイミングブレーキや回転の加速度などの突発的な運転スキルを示し、ロボットの動きを妨げる領域を避け、トレーニングの途中で同様の1対1のインタフェースを使用して人間のドライバーのパフォーマンスにアプローチする。
論文 参考訳（メタデータ） (2023-04-19T17:33:47Z) - Sim-to-Real via Sim-to-Seg: End-to-end Off-road Autonomous Driving
Without Real Data [56.49494318285391]
我々は、オフロード自動運転の視覚的現実的ギャップを横断するRCANを再想像するSim2Segを紹介する。
これは、ランダム化されたシミュレーション画像をシミュレートされたセグメンテーションと深さマップに変換する学習によって行われる。
これにより、シミュレーションでエンドツーエンドのRLポリシーをトレーニングし、現実世界に直接デプロイできます。
論文 参考訳（メタデータ） (2022-10-25T17:50:36Z) - Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。
実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
論文 参考訳（メタデータ） (2022-07-05T16:33:20Z) - Indy Autonomous Challenge -- Autonomous Race Cars at the Handling Limits [81.22616193933021]
TUM Auton-omous Motorsportsは2021年10月、インディ・オートマチック・チャレンジに参加する。
インディアナポリス・モーター・スピードウェイのダララAV-21レースカー10台のうち1台を走らせることで、自動運転のソフトウェアスタックをベンチマークする。
これは、最も困難で稀な状況をマスターできる自律走行アルゴリズムを開発するための理想的な試験場である。
論文 参考訳（メタデータ） (2022-02-08T11:55:05Z) - A Software Architecture for Autonomous Vehicles: Team LRM-B Entry in the
First CARLA Autonomous Driving Challenge [49.976633450740145]
本稿では,シミュレーション都市環境における自律走行車両のナビゲーション設計について述べる。
我々のアーキテクチャは、CARLA Autonomous Driving Challengeの要件を満たすために作られました。
論文 参考訳（メタデータ） (2020-10-23T18:07:48Z) - BCI-Controlled Hands-Free Wheelchair Navigation with Obstacle Avoidance [0.5801044612920815]
脳-コンピュータインタフェース(BCI)は脳の信号を読み、それらを現実世界の動作に変換するのに広く使われている。
この論文は、BCIの最新技術と超音波センサーを組み合わせることで、混雑した環境を効率的にナビゲートできるハンズフリー車椅子を提供することに特化している。
論文 参考訳（メタデータ） (2020-05-08T17:56:11Z) - Intelligent Roundabout Insertion using Deep Reinforcement Learning [68.8204255655161]
本稿では,多忙なラウンドアバウンドの入場を交渉できる演習計画モジュールを提案する。
提案されたモジュールは、トレーニングされたニューラルネットワークに基づいて、操作の全期間にわたって、ラウンドアバウンドに入るタイミングと方法を予測する。
論文 参考訳（メタデータ） (2020-01-03T11:16:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。