On the Feasibility of EEG-based Motor Intention Detection for Real-Time Robot Assistive Control

本文探讨了采用基于脑电图（EEG）的意图检测技术进行实时机器人辅助控制的可行性。我们着重于通过以下内容来预测和区分左/右臂运动的运动意图：i）离线数据收集和训练流程，用于训练左/右运动意图预测分类器；ii）在线实时预测流程，利用训练好的分类器并与辅助机器人集成。我们方法的核心是丰富的特征表示，由EEG滤波信号和导数的时间窗口样本协方差矩阵的切线空间投影组成，使得一个简单的支持向量机分类器能够实现前所未有的准确性和实时性。在预先录制的实时设置（160 Hz）中，我们实现了86.88%的最高准确率，超过了先前的研究。在机器人环路设置中，我们的系统仅通过EEG数据成功检测出70%的运动意图，触发机器人执行辅助任务。我们对所提出的分类器进行了全面评估。

本论文旨在探索使用基于脑电图（EEG）的意图检测实现实时机器人辅助控制的可行性。具体地，研究预测和区分左/右臂运动意图。

本论文的关键思路是使用由时间窗口采集的EEG信号和导数的样本协方差矩阵的切线空间投影构成的丰富特征表示，结合简单的SVM分类器实现了前所未有的准确性和实时性。

论文在实验设计方面进行了全面评估，使用了开源数据集，并提供了开源代码。在实时机器人辅助控制方面取得了良好的效果。

最近的相关研究包括“EEG-based intention recognition for human-robot collaboration”，“A review on EEG-based brain–computer interface for assistive technology: recent trends and challenges”。