Robot Control Based on Biosignals

Abstract

Este trabalho tem como objectivo o desenvolvimento de uma plataforma modular onde um qualquer numero de gestos distintos, obtidos através de Surface Electromyography (sEMG), possam ser treinados e testados com a maior precisão possível, aplicando esses gestos ao controlo de um robô em tempo real. Um conjunto de seis movimentos foram treinados incluindo extensão do pulso, flexão do pulso, supinação do pulso, pronação do pulso, abdução e adução dos dedos da mão. Foi aplicada o algoritmo Principal Component Analysis (PCA) na matrix de características, obtida numa sessão prévia de treino, e modelos de classificação foram criados com recurso a Support Vector Machines (SVMs) e a Linear Discriminant Analysis (LDA). Quatro pessoas foram submetidas a duas sessões de teste, usando em cada uma delas um classificador diferente (SVM e LDA). Os testes consistiam numa variação de uma Fitts' Target Acquisition Task (FTAT) que involve mover um cursor num espaço pseudo-3D. Um robô 3D foi desenvolvido para testar o desempenho dos métodos num ambiente simulado.

This work has as its goal the development of a modular platform in Matlab where any number of distinct sEMG gestures can be trained and tested with the maximum accuracy possible, and apply those gestures to control a real robot in real time. A set of six movements was trained including wrist extension and flexion, wrist supination and pronation, finger abduction and finger adduction. PCA was applied to the feature matrix, obtained previously, and patter recognition models were created using SVMs and LDA. Four subjects were submitted to two testing sessions each in which a different classifier was used (SVM and LDA) to train a model for the training data. The tests consisted on a variation of FTAT which involves moving a cursor in a pseudo-3D space. A 3D controlled robot was also built to test the performance of the system in a simulated environment.