Tổng quan đề tài
Với tốc độ phát triển khoa học kỹ thuật hiện nay trên thế giới, phương tiện di chuyển ngày càng được cải tiến hiện đại hơn, hiệu quả hơn. Đồng thời, sự xuất hiện của các ứng dụng trợ lý ảo sử dụng trí tuệ nhân tạo tạo ra bước nhảy vọt cho việc phát triển các loại xe tự hành. Bên cạnh việc ứng dụng AI, một công nghệ khác hiện đã và đang phát triển không kém, đó là công nghệ Giao diện não – máy tính hay Brain – Computer Interface (BCI). Đây là một hệ thống hoạt động giữa não và máy tính, cho phép con người giao tiếp hoặc điều khiển các thiết bị thông qua tín hiệu điện não mà không cần thực hiện các chuyển động cơ học.
BCI có 3 loại: xâm lấn (invasive) (gán các điện cực, cảm biến bên trong phần hộp sọ), xâm lấn một phần (partially invasive) (gán thiết bị bên trong hộp sọ nhưng nằm ngoài phần não) và không xâm lấn (non – invasive) (sử dụng các điện cực gán lên vùng đầu). Dễ dàng ta thấy theo thứ tự 3 phương pháp trên, các yếu tố như độ phức tạp, nguy hiểm và chi phí là giảm dần, vì vậy, phương pháp không xâm lấn được nghiên cứu, ứng dụng rất nhiều và khá rõ rang trong đời sống, ví dụ y học chúng ta đã quen thuộc với chụp cộng hưởng từ (MRI)để chẩn đoán các bệnh về xương khớp, đặt biệt là vùng não.
Đã có rất nhiều ứng dụng non – invasive BCI trong các lĩnh vực, từ chăm sóc sức khỏe con người, đến phục vụ nhu cầu giáo dục, giải trí hay trong các vấn đề bảo mật… Với việc chăm sóc sức khỏe con người, công nghệ BCI không gói gọn trong việc ứng dụng để chẩn đoán như MRI, mà còn mở rộng đến việc có thể chuyển hóa tín điện não sang ngôn ngữ . Tuy nhiên, để thu thập được lượng dữ liệu để phân tích cho bài toán này cần sử dụng thiết bị tương đối đắt tiền. Một hướng đi khác đã và đang được khá nhiều nhà khoa học chú ý đến đó là điều khiển máy móc mà cụ thể là có thể giúp đỡ người khuyết tật thuận tiện trong việc di chuyển. Trong đồ án lần này, chúng em đề xuất một mô hình sử dụng BCI giúp điều khiển xe robot sử dụng dữ liệu thô thu thập từ thiết bị EEG chi phí thấp và được xử lý trên mạch Arduino Uno.
Mục tiêu nghiên cứu
Bao gồm các mục tiêu chính sau đây:
- Nghiên cứu, sử dụng và thu thập dữ liệu từ thiết bị BCI, phân tích các loại sóng thu thập được.
- Triển khai phần xử lý xuống máy tính nhúng, từ đó có thể kết hợp với các thiết bị nhúng và sử dụng xe robot làm phương tiện di chuyển.
Đối tượng và phạm vi nghiên cứu
Đối tượng nghiên cứu: thiết bị đo sóng não MindWave Mobile 2; xe robot tại phòng Lab E3.1.
Phạm vi nghiên cứu: Phương pháp đo đạc và thu thập dữ liệu điện não, sử dụng các phương pháp và thuật toán khử nhiễu cho tín hiệu thô. Sử dụng Deep Learning để xử lí và đưa ra quyết định điều khiển và truyền tới xe robot để thực hiện di chuyển theo mong muốn của người dùng.
Thiết kế mô hình
- Thiết bị thu tín hiệu sóng não (MindWave Mobile 2)
- Khối xử lí: máy tính
- Phương tiện điều khiển: xe robot tự hành
Kịch bản:
- Bước 1: thu thập tín hiệu EEG từ thiết bị, sau đó truyền tới máy tính thông qua Bluetooth.
o Input: Tín hiệu được phát ra từ não bộ.
o Output: tín hiệu EEG thô. - Bước 2: Tại máy tính, thực hiện các bước xử lý để đưa ra dự đoán về quyết định mong muốn của người dùng và truyền tới xe robot thông qua bluetooth.
o Input: tín hiệu thu được từ Bước 1.
o Output: tín hiệu điều khiển xe robot. - Bước3: Xe robot nhận được tín hiệu điều khiển và thực thi.
o Input: tín hiệu điều khiển nhận được từ máy tính.
o Output: Xe thực hiện chuyển động tương ứng với tín hiệu nhận được
Thiết bị MindWave Mobile 2 được sử dụng chuyên dụng cho việc đo đạc các dữ liệu về cảm xúc, bao gồm mức độ tập trung và mức độ giải trí của con người. Tuy nhiên, việc điều khiển cảm xúc bằng ý nghĩ bên trong não bộ tương đối khó thực hiện, so với việc điều khiển cảm xúc bằng các nhóm cơ trên mặt. Do đó, nhóm đã sử dụng phương pháp tiếp cận khác trong việc thu thập dữ liệu, đó là phương pháp Motor Imagery. Phương pháp này được thực hiện bằng cách tưởng tượng về một chuyển động (cánh tay, bàn tay trái/phải) nhưng không trực tiếp thực hiện nó, nhằm giảm các yếu tố gây nhiễu mạnh như nhiễu do cơ bắp (Muscle artifact) và nhiễu do chớp mắt (Eye blink noise).
Kết luận
Trong đồ án lần này, nhóm thực hiện đã thành công trong việc phân tích các loại sóng não phù hợp cho việc phân loại Motor Imagery, từ đó có thể thu thập được dữ liệu để giải quyết bài toán được đặt ra.
Thông qua thực nghiệm được tiến hành, có thể kết luận việc sử dụng tín hiệu EEG trong điều khiển phương tiện là hoàn toàn khả thi và có tiềm năng phát triển hơn trong tương lai khi ngành khoa học thần kinh ngày càng có nhiều tiến bộ, giúp ích được cho những bệnh nhân bại liệt hoặc mất chức năng vận động trong các hoạt động hằng ngày.
Tuy vậy, việc điều khiển xe còn gặp nhiều khó khăn do ảnh hưởng của nhiễu gây ra trên bộ dữ liệu thu thập được bởi nhiều yếu tố, đồng thời chưa áp dụng các kĩ thuật khử nhiễu và trích xuất tính năng trên bộ dữ liệu. Do đó tính chính xác trong dự đoán chưa được cao.
Do cảm biến của thiết bị Mind Wave Mobile 2 nằm ở phần trước trán của hộp sọ, nên nhóm chưa thể thu thập được dữ liệu tại vùng đỉnh đầu – nơi lý tưởng nhất để thu thập tín hiệu bằng phương pháp Motor Imagery, dẫn đến việc dữ liệu được thu thập chứa nhiều sai sót.
Thực hiện đề tài “PHÁT TRIỂN HỆ THỐNG ĐIỀU KHIỂN PHƯƠNG TIỆN BÁN TỰ ĐỘNG SỬ DỤNG ĐIỆN NÃO ĐỒ” giúp nhóm đạt được những kết quả về kiến thức mới về ngành khoa học não bộ cũng như có thêm kinh nghiệm xử lý bài toán, trau dồi kinh nghiệm về xử lý dữ liệu và huấn luyện mô hình dự đoán điều khiển xe. Quá trình làm đồ án này đã giúp nhóm học hỏi rất nhiều về công nghệ BCI, về thu thập và xử lý tín hiệu điện não EEG. Những kỹ năng này sẽ là nền tảng quan trọng cho quá trình nghiên cứu và khóa luận sau này.
