運(yùn)動(dòng)想象新算法突破腦機(jī)接口技術(shù)瓶頸，騰訊天衍實(shí)驗(yàn)室奪世界機(jī)器人大賽雙冠軍

日前，“2020世界機(jī)器人大賽－BCI腦控機(jī)器人大賽”公布成績(jī)，騰訊天衍實(shí)驗(yàn)室和天津大學(xué)組成的C2Mind戰(zhàn)隊(duì)，經(jīng)過多輪賽程的激烈比拼，實(shí)力入圍BCI腦控機(jī)器人大賽“運(yùn)動(dòng)想象范式”賽題決賽，最終成功斬獲技術(shù)賽“顳葉腦機(jī)組”一等獎(jiǎng)，以及技術(shù)錦標(biāo)賽“顳葉腦機(jī)有訓(xùn)練集一等獎(jiǎng)”兩項(xiàng)冠軍。

世界機(jī)器人大賽在業(yè)內(nèi)被譽(yù)為機(jī)器人界的“奧林匹克”，是目前國(guó)內(nèi)外影響廣泛的機(jī)器人領(lǐng)域官方專業(yè)賽事，自2015年起已成功舉辦五屆，共吸引了全球20余個(gè)國(guó)家12萬余名選手參賽。BCI腦控機(jī)器人大賽作為世界機(jī)器人大賽中一項(xiàng)高精尖科研類賽事已成功舉辦三屆，此項(xiàng)競(jìng)賽內(nèi)容重點(diǎn)考察腦－機(jī)接口技術(shù)在醫(yī)療康復(fù)等領(lǐng)域的創(chuàng)新應(yīng)用技術(shù)成果，旨在推動(dòng)該技術(shù)與各領(lǐng)域產(chǎn)業(yè)交流合作，滿足人們對(duì)醫(yī)療、養(yǎng)老、助殘、康復(fù)等多樣化的民生需求，實(shí)現(xiàn)該領(lǐng)域與各行業(yè)的跨越融合發(fā)展。

運(yùn)動(dòng)想象新算法突破腦－機(jī)接口技術(shù)瓶頸

BCI（Brain－computer interface ，腦－機(jī)接口）是指通過對(duì)神經(jīng)系統(tǒng)電活動(dòng)和特征信號(hào)的收集、識(shí)別及轉(zhuǎn)化，使人腦發(fā)出的指令能夠直接傳遞給指定的機(jī)器終端，從而使人對(duì)機(jī)器人的控制和操作更為高效便捷，俗稱“腦控”。該項(xiàng)技術(shù)是一項(xiàng)融合了神經(jīng)科學(xué)和人工智能的一門新興技術(shù)，在人與機(jī)器人的交流溝通領(lǐng)域有著重大創(chuàng)新意義和使用價(jià)值，其已廣泛應(yīng)用于助殘康復(fù)、災(zāi)害救援、娛樂體驗(yàn)等多個(gè)領(lǐng)域。

作為集科技性、創(chuàng)新性、實(shí)用性于一體的世界級(jí)BCI賽事，本屆大賽上也誕生了諸多腦－機(jī)接口領(lǐng)域突破性技術(shù)成果。由天津大學(xué)和騰訊天衍實(shí)驗(yàn)室組成的C2Mind戰(zhàn)隊(duì)，從運(yùn)動(dòng)想象（Motor imagery ，MI）路徑入手。這是一種非常重要的BCI范式，指沒有任何肢體運(yùn)動(dòng)的情況下，利用意念想象肢體運(yùn)動(dòng)，是一種自發(fā)性腦電。但是，由于腦電信號(hào)的不穩(wěn)定性，以及不同受試者腦電信號(hào)差異較大，甚至同一受試者在不同時(shí)間段采集的腦電信號(hào)都會(huì)存在較大差異，這使得腦機(jī)接口技術(shù)在使用前均需較長(zhǎng)的校準(zhǔn)時(shí)間，且系統(tǒng)性能不穩(wěn)定，這些問題均嚴(yán)重影響了腦機(jī)接口技術(shù)運(yùn)動(dòng)想象范式在實(shí)際醫(yī)療場(chǎng)景中的應(yīng)用。

針對(duì)運(yùn)動(dòng)想象腦電信號(hào)的時(shí)間差異性，騰訊天衍實(shí)驗(yàn)室提出基于動(dòng)態(tài)域自適應(yīng)的深度腦電解碼模型

研究運(yùn)動(dòng)想象算法的騰訊天衍實(shí)驗(yàn)室高級(jí)研究員柳露艷介紹，針對(duì)腦電信號(hào)數(shù)據(jù)差異大，且數(shù)據(jù)集樣本量少，而導(dǎo)致訓(xùn)練困難及訓(xùn)練模型泛化性能差等問題，騰訊天衍實(shí)驗(yàn)室提出了一種創(chuàng)新的運(yùn)動(dòng)想象腦電信號(hào)分類方法。該方法首先通過將同類樣本的時(shí)頻圖進(jìn)行疊加的方式進(jìn)行數(shù)據(jù)預(yù)處理，這樣在保證擴(kuò)充數(shù)據(jù)多樣性的同時(shí)，又保持了原始數(shù)據(jù)時(shí)頻特性，同時(shí)還增加了模型在不同受試者或者同一受試者不同時(shí)間點(diǎn)腦電信號(hào)上的泛化性能； 其次使用了基于GAN的領(lǐng)域自適應(yīng)算法進(jìn)一步加強(qiáng)了模型在不同腦電信號(hào)上的泛化性能。使用該算法訓(xùn)練的輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural network ，CNN）模型，具有更強(qiáng)的魯棒性和泛化性能。

小樣本學(xué)習(xí)技術(shù)化解訓(xùn)練樣本缺乏難題

在技術(shù)算法直接應(yīng)用于實(shí)際數(shù)據(jù)時(shí)，大多數(shù)情況下無法獲得理想結(jié)果。因?yàn)閷?shí)際數(shù)據(jù)往往分布的很不均勻，且存在訓(xùn)練數(shù)據(jù)缺乏、算法跨中心泛化能力差、算法準(zhǔn)確度要求高等問題，尤其在嚴(yán)謹(jǐn)?shù)尼t(yī)療場(chǎng)景實(shí)際應(yīng)用中，這些問題則成了技術(shù)精進(jìn)的“攔路虎”。

柳露艷還介紹，騰訊天衍實(shí)驗(yàn)室運(yùn)動(dòng)想象團(tuán)隊(duì)基于其在醫(yī)學(xué)領(lǐng)域的長(zhǎng)期技術(shù)積淀和創(chuàng)新探索，針對(duì)以上行業(yè)性問題提出了解決方案，即采用小樣本、領(lǐng)域自適應(yīng)、元學(xué)習(xí)等技術(shù)解決訓(xùn)練樣本缺乏、數(shù)據(jù)分布差異大等普遍存在的難題，從小樣本數(shù)據(jù)集中學(xué)習(xí)出魯棒的、高精度的腦電信號(hào)分類模型，不僅有助于提升運(yùn)動(dòng)想象下的腦－機(jī)接口系統(tǒng)的精度和泛化性，而且為腦機(jī)接口技術(shù)的應(yīng)用奠定良好的技術(shù)基礎(chǔ)。

運(yùn)動(dòng)想象算法應(yīng)用場(chǎng)景廣泛

運(yùn)動(dòng)想象腦電信號(hào)在醫(yī)療場(chǎng)景中的應(yīng)用是非常廣泛的，如對(duì)于感覺運(yùn)動(dòng)皮層相關(guān)部位受損的中風(fēng)病人，腦機(jī)接口可以從受損的皮層區(qū)采集信號(hào)，然后刺激肌肉或控制矯形器，改善手臂運(yùn)動(dòng)。因癲癇病人的大腦會(huì)出現(xiàn)某個(gè)區(qū)域的神經(jīng)元異常放電，而通過腦機(jī)接口技術(shù)檢測(cè)到神經(jīng)元異常放電后，可以對(duì)大腦進(jìn)行相應(yīng)的電刺激，從而減少癲癇發(fā)作。

同時(shí)，運(yùn)動(dòng)想象腦機(jī)接口在針對(duì)自閉癥兒童的康復(fù)訓(xùn)練中也承擔(dān)著重要的角色。與正常兒童相比，自閉癥兒童在觀看他人運(yùn)動(dòng)情景時(shí)模仿動(dòng)機(jī)弱，相應(yīng)的感覺運(yùn)動(dòng)皮層激活程度較低。通過讓這些兒童參與基于自身感覺運(yùn)動(dòng)皮層激活程度強(qiáng)弱實(shí)時(shí)反饋的游戲項(xiàng)目，可以提升他們對(duì)感覺運(yùn)動(dòng)皮層激活程度的自我控制能力，從而改善自閉癥的癥狀。

騰訊天衍實(shí)驗(yàn)室提出的運(yùn)動(dòng)想象創(chuàng)新算法，有望從準(zhǔn)確性、效率、實(shí)用性、創(chuàng)新性、技術(shù)性等多維度提高腦－技接口技術(shù)在助殘康復(fù)等多領(lǐng)域的技術(shù)應(yīng)用與產(chǎn)業(yè)發(fā)展，為突破當(dāng)前人類與機(jī)器、人類與環(huán)境的交互技術(shù)中存在的難題提供了一個(gè)可行的解決方案。這項(xiàng)算法可以通過嵌入到不同的硬件系統(tǒng)或者軟件系統(tǒng)，為受試者實(shí)現(xiàn)意念傳輸和控制。比如，它和外骨骼機(jī)器人結(jié)合的BCI系統(tǒng)，可用于偏癱、腦卒中患者運(yùn)動(dòng)功能的主動(dòng)式康復(fù)；和電動(dòng)輪椅結(jié)合的BCI系統(tǒng)，有望幫助肢體行動(dòng)不便的人群自由活動(dòng)出行等等。希望在不久的將來，可以看到這項(xiàng)技術(shù)幫助越來越多的殘障人士突破肉體和工具的局限。

責(zé)任編輯：PSY