Revista de ingeniería química y tecnología de procesos
Acceso abierto

abstracto

Clasificación difusa de electroencefalografía para aplicaciones de aprendizaje de robótica

EA Mattar y HJ Al-Junaid

La electroencefalografía (EEG) está desempeñando un papel importante en el uso actual de la robótica y en las aplicaciones avanzadas. Además, las ondas cerebrales EEG complejas también se están utilizando para detectar cómo el ser humano realiza tareas complejas diarias, mientras refleja los comportamientos humanos en dispositivos y sistemas robóticos, como se introdujo más adelante en Agashe. El control robótico basado en EEG y sus aplicaciones de rehabilitación también se están activando en términos de tendencias y herramientas de investigación. La re-motorización de los dedos de las manos después de una discapacidad causada por el cerebro no es una tarea obvia. Además, las terapias neurológicas convencionales y los esfuerzos de rehabilitación han resultado ineficaces para rehabilitar la función de las extremidades superiores después de un accidente cerebrovascular o incluso de lesiones cerebrales traumáticas. En términos de rehabilitaciones y avances de las tecnologías de interfaz cerebral, esto hizo posible restaurar algunas de las funcionalidades motoras. Los avances en la tecnología han resultado en nuevos desarrollos para ayudar a las personas con parálisis severa o incluso con pérdida de extremidades. También se están desarrollando interfaces de computadora cerebral intracorticales para permitir personas con discapacidades. Recientemente, hay enormes esfuerzos y direcciones de investigación para utilizar las señales de ondas cerebrales de EEG y sus patrones asociados para aplicaciones de prótesis robóticas. Esto incluye las aplicaciones de rehabilitación (Rehab). Sin embargo, debido a la complejidad de los patrones cerebrales, hacer uso de estos patrones complejos para el aprendizaje práctico de la robótica no es una tarea trivial, Agashe.