Prototipo de un sistema para la evaluación de interfaces cerebro - computador basado en un motor de videojuegos

Abstract

El objeto de este proyecto es desarrollar un prototipo para la experimentación con interfaces cerebro-computador (BCI) basados en encefalografía (EEG). En concreto, se pretende utilizar para poner a prueba sistemas que puedan comunicar acciones para la navegación de vehículos robotizados. Para ello se han utilizado las herramientas diseñadas por OpenBCI para la captura del EEG junto con un motor de videojuegos: Panda3D. Este último es usado para crear una aplicación en Python que simule un entorno en 3D visitado en primera persona por el usuario. Mediante el uso del protocolo de comunicación “LSL” los datos obtenidos en OpenBCI se han podido utilizar en la aplicación Python. La aplicación cuenta con dos partes principales: un mapa 3D por el que se mueve el usuario y tres estímulos que controlan distintas acciones dentro del juego. Las acciones se realizan cuando el usuario presta atención a alguno de los tres estímulos y el sistema detecta el potencial evocado visual de estado estacionario mediante el análisis de correlación canónica. Se ha optado por la robustez, con la inclusión de un estímulo para confirmar la acción antes de realizarla. Esto reduce el número de errores en los recorridos pero aumenta el tiempo empleado para resolverlos y reduce el número de maniobras disponibles.

The goal of this project is to build a prototype for the experimentation with BrainComputer Interface (BCI) based on electroencephalography (EEG). More specifically, the intention is to use this prototype to test systems that communicate actions for the navigation for robotic vehicles. For doing so we have used tools designed by OpenBCI for acquisition of EEG data and a video game engine: Panda3D.This engine is used to build an application that simulates a 3D space visited by the user in first person. Using the “LSL” communication protocol we are able to receive and use the data obtained in OpenBci in the Python application. The user interface has two main parts: a 3D map where the user moves and three stimuli that control the movement. When the user focuses on a stimulus, the system detects the steady-state visual evoked potential (SSEVP) through the canonical correlation analysis. We opted for robustness when developing the prototype with the inclusion of a stimulus only to confirmate stored actions. This reduces the errors but increases the time taken to complete a trajectory. This decision also reduces the number of movements available.