日前，“2020世界機器人大賽-BCI腦控機器人大賽”公布成績，天津大學和騰訊天衍實驗室組成的C2Mind戰隊，經過多輪賽程的激烈比拼，實力入圍BCI腦控機器人大賽“運動想象范式”賽題決賽，最終成功斬獲技術賽“顳葉腦機組”一等獎，以及技術錦標賽“顳葉腦機有訓練集一等獎”兩項冠軍。
BCI(Brain-computer interface，腦-機接口)是指通過對神經系統電活動和特征信號的收集、識別及轉化，使人腦發出的指令能夠直接傳遞給指定的機器終端，從而使人對機器人的控制和操作更為高效便捷，俗稱“腦控”。該項技術是一項融合了神經科學和人工智能的一門新興技術，在人與機器人的交流溝通領域有著重大創新意義和使用價值，其已廣泛應用于助殘康復、災害救援、娛樂體驗等多個領域。
作為集科技性、創新性、實用性于一體的世界級BCI賽事，本屆大賽上也誕生了諸多腦-機接口領域突破性技術成果。由天津大學和騰訊天衍實驗室組成的C2Mind戰隊，從運動想象(Motor imagery，MI)路徑入手。這是一種非常重要的BCI范式，指沒有任何肢體運動的情況下，利用意念想象肢體運動，是一種自發性腦電。但是，由于腦電信號的不穩定性，以及不同受試者腦電信號差異較大，甚至同一受試者在不同時間段采集的腦電信號都會存在較大差異，這使得腦機接口技術在使用前均需較長的校準時間，且系統性能不穩定，這些問題均嚴重影響了腦機接口技術運動想象范式在實際醫療場景中的應用。
研究運動想象算法的騰訊天衍實驗室高級研究員柳露艷介紹，針對腦電信號數據差異大，且數據集樣本量少，而導致訓練困難及訓練模型泛化性能差等問題，騰訊天衍實驗室提出了一種創新的運動想象腦電信號分類方法。該方法首先通過將同類樣本的時頻圖進行疊加的方式進行數據預處理，這樣在保證擴充數據多樣性的同時，又保持了原始數據時頻特性，同時還增加了模型在不同受試者或者同一受試者不同時間點腦電信號上的泛化性能;其次使用了基于GAN的領域自適應算法進一步加強了模型在不同腦電信號上的泛化性能。使用該算法訓練的輕量級卷積神經網絡(Convolutional neural network，CNN)模型，具有更強的魯棒性和泛化性能。
據悉，世界機器人大賽在業內被譽為機器人界的“奧林匹克”，是目前國內外影響廣泛的機器人領域官方專業賽事，自2015年起已成功舉辦五屆，共吸引了全球20余個國家12萬余名選手參賽。BCI腦控機器人大賽作為世界機器人大賽中一項高精尖科研類賽事已成功舉辦三屆，此項競賽內容重點考察腦-機接口技術在醫療康復等領域的創新應用技術成果，旨在推動該技術與各領域產業交流合作，滿足人們對醫療、養老、助殘、康復等多樣化的民生需求，實現該領域與各行業的跨越融合發展。（張銘陽）
關鍵詞： BCI腦控機器人大賽
營業執照公示信息