LONDON (IT BOLTWISE) – Eine neue Touch-basierte Gehirn-Computer-Schnittstelle nutzt den P300-Reflex, um bis zu vier Befehle für zusätzliche Roboterarme zu wählen. Probanden können dabei zwei biologische Hände mit einer manuellen Balance-Aufgabe beschäftigen, ohne dass die Koordination messbar leidet. Nach drei Tagen Training schrumpft die Genauigkeitslücke zwischen „Dual Task“ und „Single Task“ so stark, dass sie statistisch nicht mehr nachweisbar ist. Das System erkennt Befehle über zeitlich getaktete Vibrationsimpulse und setzt dabei auf einen lernenden Ja/Nein-P300-Decoder.
Für KI-gestützte Assistenzsysteme ist die Schnittstelle zwischen Gehirn und Maschine oft der Engpass: Selbst wenn die Sensordaten aus dem EEG gut genug sind, kollidiert die Steuerung neuer „Gerätearme“ schnell mit dem, was ein Nutzer gerade mit den eigenen Händen tut. Genau hier setzt die neue Studie an, die an der Schnittstelle von Bioengineering und Robotik ein Problem adressiert, das in vielen früheren Ansätzen entweder nur für Assistenz bei Lähmung oder aber nur für Ein-Bit-Kommandos ausreichte. Statt Bewegungsabsichten direkt aus motorischen Hirnarealen zu interpretieren, koppeln die Forschenden ihre Befehle an einen sensorisch auslösbaren Hirnreflex und testen ihn so, dass gleichzeitig eine echte Handaufgabe läuft.
Technisch beschreibt das Verfahren eine klassische Brain-Computer-Interface-Logik, aber mit einer anderen Signalquelle. Ein EEG misst elektrische Aktivität über Sensoren auf der Kopfhaut; aus dem Muster wird anschließend ein Befehl abgeleitet. Das Team um Dario Farina und die Erstautorin Tianyu Jia wählt dafür den P300-Response: Wenn eine Person gezielt ihre Aufmerksamkeit auf ein seltenes Zielsignal richtet, während daneben viele unwichtige Reize ignoriert werden, zeigt das Gehirn typischerweise einen positiven Spannungsausschlag nach etwa 200 bis 500 Millisekunden. Frühere P300-Systeme arbeiten dafür häufig mit visuellen Flash-Mustern auf einem Display. Der Knackpunkt war dabei immer die Monopolisierung der Augen und damit die Schwierigkeit, währenddessen körperlich aktiv zu bleiben.
Die neue Variante übersetzt den P300-Mechanismus in Berührung. Auf beiden Armen applizieren die Probanden jeweils vier kleine taktile Vibratoren, symmetrisch am Handgelenk und am Ellenbogen positioniert, sodass weder Sicht noch freie Fingerbewegung blockiert werden. Jeder Vibrator entspricht einem von vier Kommandos; die Impulse laufen in zufälliger Reihenfolge und mit einer festen Taktung, sodass die Versuchsperson still auf einen Zielvibrator achtet und die anderen drei Reize ignoriert. Wichtig ist dabei die Art des Klassifikators: Statt vier fein unterscheidbare EEG-Pattern zu modellieren, beobachtet die Software im Kern einen binären „Ja/Nein“-P300-Spike und ordnet den erkannten Zeitpunkt dem Vibrator zu, der gerade aktiv war. Damit umgeht das System das Problem, das bei imagined-movement-Ansätzen typischerweise auftritt: Wenn die Person bereits zwei Hände koordiniert, überlagern sich motorbezogene Gehirnsignale.
Der Belastungstest ist als mehrtägiges Trainings- und Gegenversuchsdesign aufgebaut. In der Studie nehmen zehn rechtshändige gesunde Erwachsene im Alter von 23 bis 37 Jahren teil (sechs Männer, vier Frauen); acht hatten zuvor keine Erfahrung mit Brain-Computer-Interfaces. Alle tragen Kappen mit 64 EEG-Sensoren. Zu Beginn jeder Tagesrunde absolvieren die Probanden einen 60-Sekunden-Baseline-Test: Sie halten eine rechteckige Kunststoffschale mit beiden Händen und neigen sie kontrolliert, sodass ein Ball nacheinander durch vier Ecken rollt; eine Kamera erfasst sowohl vollständige als auch unvollständige Rotationen. Danach folgt eine kurze Kalibrierphase von 15 Minuten für personenspezifische Decoder, bevor 32 Live-Erkennungsdurchläufe im „Single Task“-Modus (nur sitzen) und 32 Durchläufe im „Dual Task“-Modus stattfinden, in dem parallel der Ball auf dem Tablett bewegt wird; die Reihenfolge ist gegengewichtet.
Am ersten Tag zeigt sich erwartbar: Dual-Task-Kommandos werden seltener korrekt erkannt. Die Zielauswahl gelingt in 53,1 % der Dual-Task-Durchläufe gegenüber 68,1 % im Single-Task-Fall. Am zweiten Tag bleibt der Abstand groß genug, um sich klar zu zeigen (56,3 % vs. 77,2 %). Erst nach drei Tagen Training steigt die Dual-Task-Genauigkeit auf 69,7 %, was einem Zuwachs um rund 17 Prozentpunkte gegenüber Tag 1 entspricht. Gleichzeitig liegt die Single-Task-Genauigkeit an Tag 3 bei 79,1 %; vor allem aber ist die Differenz zwischen „aktive Zwei-Hand-Koordination“ und „sitzen bleiben“ ab Tag 3 statistisch nicht mehr signifikant. Das ist für den praktischen Nutzen entscheidend, denn es deutet darauf hin, dass sich die Aufmerksamkeit auf die taktilen Reize trotz laufender Handaufgabe stabilisieren lässt.
Auch die Rekonstruktionsgeschwindigkeit liefert eine realistische Einordnung. Weil jedes einzelne Vibrationsereignis im EEG von Hintergrundrauschen überdeckt wird, mittelt der Decoder die Antworten über mehrere Impulszyklen. In den Auswertungen benötigt die Erkennung im Mittel etwa zwei Versuche, wobei die Spannweite von 1,5 bis 2,3 Versuchen reicht, und die Unterschiede zwischen den Tagen sowie zwischen Single- und Dual-Task liegen nicht statistisch signifikant. Auf Signalebene untersuchen die Forschenden zusätzlich, was sich im P300-Bereich verändert: Die Spike-Höhe wächst über das Training hinweg nicht signifikant wie in manchen stationären Vibrations-Setups, während die zeitliche Stabilität (Timing-Jitter) der P300-Peaks unter Dual-Task-Bedingungen nach den ersten zwei Tagen abnimmt. Steadier getaktete Peaks liefern für den Klassifikator ein klareres Muster; die Autoren führen das auf eine bessere Zuweisung der Aufmerksamkeit und eine teilweise Kompensation der sensorischen Dämpfung während aktiver Bewegung zurück.
Für die Robotik-Demonstration bedeutet das: Die Schnittstelle kann zusätzlich zur normalen Handarbeit Befehle an externe Aktoren geben. In einem Nebenexperiment lenkt ein Nutzer zwei Tischroboterarme entlang vordefinierter Sicherheitsbahnen, während die eigenen Hände eine separate Aufgabe erledigen. Die Befehle steuern dabei sequenziell, welche der zwei Robotergelenke aktiv die nächsten Schritte ausführt – etwa das Aufnehmen und Zurückgeben eines Balls oder das koordinierte Heben eines Bechers und das Ablegen eines Strohhalms. Gleichzeitig betonen die Forschenden mehrere Grenzen für den Alltag: Erstens dauert der initiale Befehl wegen der Mehrimpuls-Mittelung mehrere Sekunden statt reflexartigem Timing. Zweitens ist die Robotik nicht als kontinuierliche, proportionale Steuerung ausgelegt, sondern folgt vorab festgelegten Bewegungsroutinen. Drittens basiert die Prüfung eines „Sustained Attention“-Betriebsmodus auf einer kleinen explorativen Teilprobe von vier Personen, sodass Belastbarkeit und Fehlalarmraten noch offen bleiben. Dazu kommt die praktische Frage, wie sich langes, repetitives Vibrieren auf Haut und Aufmerksamkeitsverhalten auswirkt, weil das Nervensystem über längere Zeit Einstellmechanismen nutzen könnte.
Trotz dieser Einschränkungen verschiebt die Arbeit den Schwerpunkt in Richtung multitaskingfähiger Brain-Computer-Interfaces. Der entscheidende Unterschied liegt nicht nur im Ersatz des visuellen P300-Triggerings durch taktile Vibrationsreize, sondern auch im Design, das explizit „Befehle parallel zu echter Handkoordination“ prüft. Für Entwickler und Produktteams ist das relevant, weil viele Assistenz- und Robotik-Szenarien – vom Labor bis zur Industrie – selten in einem reinen Sit-and-Stare-Kontext stattfinden. Wenn sich ähnliche Decoder-Strategien zudem mit kompakteren Wearables und schnellerem Single-Pulse-Decoding weiterentwickeln lassen, könnte aus dem Laboraufbau schrittweise eine nutzbare Steuerlogik werden, die nicht zuerst die gesamte Aufmerksamkeit bindet, sondern sie auf Befehlselemente innerhalb laufender Tätigkeiten verteilt.
Die Studie trägt den Titel „Concurrent control of natural and robotic limbs through a tactile-encoded brain-computer interface“ und wurde von Tianyu Jia, Xingchen Yang, Ciaran McGeady, Yifeng Li, Jinzhi Lin, Kit San Ho, Feiyu Pan, Linhong Ji, Chong Li und Dario Farina verfasst.
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Touch-Decoder für KI: Extra-Roboterarme per P300 ohne Blick und Handkonflikt" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Touch-Decoder für KI: Extra-Roboterarme per P300 ohne Blick und Handkonflikt" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Touch-Decoder für KI: Extra-Roboterarme per P300 ohne Blick und Handkonflikt« bei Google Deutschland suchen, bei Bing oder Google News!