Motivation
Brain-Computer-Interfaces (BCI) bieten eine vielversprechende Möglichkeit der Mensch-Maschine-Interaktion, basierend auf Gehirnsignalen und Künstlicher Intelligenz (KI). BCI fungieren als Schnittstelle und Übersetzer für die rein durch Vorstellungskraft getriebene Bedienung technischer Systeme, zum Beispiel intelligente Prothesen für körperlich Beeinträchtigte. Obwohl diese Technologie einen großen Nutzen verspricht, wird BCI außerhalb kontrollierter Laborbedingungen nur selten eingesetzt. Das liegt bisher vor allem an ihrer mangelnden Zuverlässigkeit und Robustheit, denn Gehirnaktivitäten und deren Messung unterscheiden sich je nach mentalem oder körperlichem Zustand der Personen. Diese Schwankungen in Form von Variabilität und Rauschen sind eine der größten Herausforderungen, um BCI-Systeme im Alltag zu nutzen.
Ziele und Vorgehen
Das Ziel von NEARBY ist es, Variabilität und Rauschen in BCI-Systemen mithilfe moderner KI-Methoden wie Deep- und Meta-Learning zu verstehen bzw. gänzlich unterdrücken zu können. Zu diesem Zweck werden umfangreiche Daten erhoben, indem mehrere Personen über längere Zeiträume unter unterschiedlichen Bedingungen und Umgebungen beobachtet werden. Dabei soll u. a. nach allgemeinen und übertragbaren Mustern von Gehirnaktivitäten gesucht werden. Die Ziele und Vorgehen werden gemeinsam durch das DFKI und der französischen Forschungseinrichtung INRIA umgesetzt.
Innovationen und Perspektiven
Die Erkenntnisse tragen dazu bei robuste BCI-Systeme, auch für nicht medizinische Zwecke, zu entwickeln, z. B. zur handfreien Interaktion in Industrieszenarien mithilfe von Exoskeletten oder in Videospielen. Zudem sollen existierende Systeme um das in NEARBY entwickelte Verfahren, das Schwankungen reduziert, erweitert werden. Darüber hinaus wird durch die enge Zusammenarbeit über die gesamte Laufzeit der wissenschaftliche Austausch zwischen Deutschland und Frankreich weiter gestärkt.