KR20200094542A - 뇌-기계 접속 기술 체험용 교육 장치 및 방법 - Google Patents

뇌-기계 접속 기술 체험용 교육 장치 및 방법 Download PDF

Info

Publication number
KR20200094542A
KR20200094542A KR1020190012157A KR20190012157A KR20200094542A KR 20200094542 A KR20200094542 A KR 20200094542A KR 1020190012157 A KR1020190012157 A KR 1020190012157A KR 20190012157 A KR20190012157 A KR 20190012157A KR 20200094542 A KR20200094542 A KR 20200094542A
Authority
KR
South Korea
Prior art keywords
target device
threshold
frequency
eeg signal
exceeding
Prior art date
Application number
KR1020190012157A
Other languages
English (en)
Other versions
KR102190458B1 (ko
Inventor
김기범
이가영
Original Assignee
재단법인대구경북과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 재단법인대구경북과학기술원 filed Critical 재단법인대구경북과학기술원
Priority to KR1020190012157A priority Critical patent/KR102190458B1/ko
Publication of KR20200094542A publication Critical patent/KR20200094542A/ko
Application granted granted Critical
Publication of KR102190458B1 publication Critical patent/KR102190458B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00—Simulators for teaching or training purposes
    • G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
    • A61B5/04012—
    • A61B5/0476—
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Biomedical Technology (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Multimedia (AREA)
  • Neurosurgery (AREA)
  • Neurology (AREA)
  • Dermatology (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Psychiatry (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Psychology (AREA)
  • Pathology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

뇌-기계 접속 (Brain Machine Interface, BMI) 기술 체험용 교육 장치가 개시된다. 본 장치는, 하나 이상의 타겟 기기 중 하나를 선택하는 명령을 입력받는 입력부, 뇌파 신호를 수신하는 통신부 및 수신된 뇌파 신호를 분석하고, 분석된 뇌파 신호에서 선택된 타겟 기기를 조작하는 명령을 생성하는 프로세서, 조작 명령에 대응되는 구동이 선택된 타겟 기기에서 수행되게 하는 프로세서를 포함한다. 이에 따라, 사용자는 뇌-기계 접속 기술을 수월하게 체험할 수 있다.

Description

뇌-기계 접속 기술 체험용 교육 장치 및 방법{EDUCATIONAL APPARATUS AND METHOD FOR EXPERIENCING BRAIN MACHINE INTERFACE TECHNOLOGY}
본 발명은 뇌-기계 접속(Brain Machine Interface) 기술 체험용 교육 장치 및 방법에 관한 것으로 더 상세하게는 제어 대상인 타겟 기기를 선택하고 뇌파를 이용하여 선택된 타겟 기기를 제어하는 BMI 기술 체험용 교육 장치 및 방법에 관한 것이다.
사람의 뇌세포는 독특한 모양의 규칙적인 전기충격을 일으키는데, 이것을 뇌파라 한다. 1929년 독일의 정신과 의사인 한스 베르거가 처음으로 머리에 외상을 입은 환자의 두개골 피하에 2개의 백금 전극을 넣어 뇌파를 기록하고 이를 뇌전도(ElectroEncephaloGram, 이하 “EEG”라 칭함)라 하였다. EEG 신호를 이용하여 전자기기가 직접적으로 제어될 수도 있는데, EEG 신호에 의해 전자기기가 제어되는 기술을 뇌-기계 접속 (Brain Machine Interface, 이하 “BMI”라 칭함) 기술이라 할 수 있다.
여기서, BMI 기술은 뇌신경계로부터 신호를 측정, 분석하여 컴퓨터 또는 외부기기를 제어하거나 사용자의 의사, 의도를 외부에 전달하기 위해 인간의 두뇌와 기계를 연결하는 기술을 통칭한다.　BMI 기술 구현은 생체 신호를 인식하는 장치를 통해서 생체신호(뇌파)를 받아들인 후 신호화 과정을 통하여 뇌파를 분석하여 기계의 입출력 장치에 명령을 내리는 과정을 거친다.
다만, 실제적으로 드론, 로봇 등과 같은 첨단 기기들에 대한 BMI 기술을 체험해 볼 수 있는 경우가 매우 제한적이므로, 첨단 기기에 대한 BMI 기술을 체험할 수 있는 교육 장치와 방법이 필요하다 할 것이다.
한편, 상기와 같은 정보는 본 발명의 이해를 돕기 위한 백그라운드(background) 정보로서만 제시될 뿐이다. 상기 내용 중 어느 것이라도 본 발명에 관한 종래 기술로서 적용 가능할지 여부에 관해, 어떤 결정도 이루어지지 않았고, 또한 어떤 주장도 이루어지지 않는다.
공개특허공보 제10-2016-0079501호(공개일 : 2016.7.6)
본 발명은 상술한 문제점을 해결하기 위해 안출된 것으로, 본 발명의 일 실시 예는 뇌파를 이용하여 선택된 타겟 기기를 제어하는 BMI 기술 체험용 교육 장치를 제안한다.
본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기한 과제를 실현하기 위한 본 발명의 일 실시 예에 따른 프로세서에 의해 수행되는 BMI 기술 체험용 교육 방법은 하나 이상의 타겟 기기 중 하나가 선택하는 단계; 뇌파 신호를 수신하는 단계; 수신된 상기 뇌파 신호를 분석하고, 분석된 뇌파 신호에서 선택된 타겟 기기를 조작하는 조작 명령을 생성하는 단계; 및 상기 조작 명령에 대응되는 구동이 선택된 상기 타겟 기기에서 수행되게 하는 단계를 포함한다.
몇몇 실시 예에서, 상기 타겟 기기 중 하나를 선택하는 단계는, 입력 수단에 의해 상기 타겟 기기 중 하나를 선택하는 단계를 포함할 수 있다.
몇몇 실시 예에서, 상기 타겟 기기 중 하나를 선택하는 단계는, 체험자의 음성을 입력받는 단계 및 상기 체험자의 음성에 상기 타겟 기기 중 하나를 선택하는 명령이 포함된 경우, 상기 선택 명령에 대응되는 타겟 기기가 선택되는 단계를 포함할 수 있다.
몇몇 실시 예에서, 상기 타겟 기기 중 하나를 선택하는 단계는, 상기 타겟 기기에 대응되는 아이템이 디스플레이 상에 각각 표시되는 경우, 터치 입력에 의해 특정 타겟 기기에 대응되는 아이템이 선택되는 단계를 포함할 수 있다.
몇몇 실시 예에서, 뇌파 신호를 수신하는 단계는, 체험자 뇌의 일 영역에서 발생되는 EEG 신호를 수신하는 단계를 포함할 수 있다.
몇몇 실시 예에서, 상기 조작 명령을 생성하는 단계는, 탐지된 EEG 신호를 소정의 타임구간 별로 구분하고, 구분된 소정의 타임구간 각각에 포함된 EEG 신호에 대해 고속 푸리에 변환(Fast Fourier Transform, FFT) 연산을 수행하여 주파수를 도출하며, 도출된 주파수값 중에서 제1 스레쉬홀드를 넘는 주파수를 합산한 합산주파수를 산출하는 단계, 상기 소정의 타임구간 별로 산출된 상기 합산주파수가 제2 스레쉬홀드를 초과하는 영역 및 제2 스레쉬홀드를 초과하지 않는 영역으로 구분하는 단계, 및 상기 제2 스레쉬홀드를 초과하는 영역 별로 누적된 합산 주파수를 산출하는 단계를 포함하며, 상기 BMI 기술 체험용 교육 방법은, 상기 제2 스레쉬홀드를 초과하는 영역 별로 누적된 합산 주파수의 누적값이 제3 스레시홀드를 최초로 초과하는 경우, 선택된 타겟 기기가 제1 동작되도록 선택된 상기 타겟 기기를 조작하는 단계를 포함할 수 있다.
몇몇 실시 예에서, 상기 BMI 기술 체험용 교육 방법은, 선택된 상기 타겟 기기의 제1 동작이 수행된 후, 상기 제2 스레쉬홀드를 초과하는 영역 별로 누적된 합산 주파수의 누적값이 제4 스레시홀드를 초과하는 경우, 선택된 상기 타겟 기기가 제2 동작되도록 선택된 상기 타겟 기기를 조작하는 단계를 더 포함할 수 있다.
한편, 본 발명의 일 실시 예에 따른 BMI 기술 체험용 교육 장치는 하나 이상의 타겟 기기 중 하나를 선택하는 명령을 입력받는 입력부; 뇌파 신호를 수신하는 통신부; 및 수신된 상기 뇌파 신호를 분석하고, 분석된 뇌파 신호에서 선택된 타겟 기기를 조작하는 명령을 생성하는 프로세서를 포함하며, 상기 프로세서는 상기 조작 명령에 대응되는 구동이 선택된 상기 타겟 기기에서 수행되게 할 수 있다.
몇몇 실시 예에서, 상기 BMI 기술 체험용 교육 장치는 탐지된 EEG 신호를 소정의 타임구간 별로 구분하고, 구분된 소정의 타임구간 각각에 포함된 EEG 신호에 대해 FFT 연산을 수행하여 주파수를 도출하며, 도출된 주파수값 중에서 제1 스레쉬홀드를 넘는 주파수를 합산한 합산주파수를 산출하는 EEG 주파수 부분 합산부; 상기 소정의 타임구간 별로 산출된 상기 합산주파수가 제2 스레쉬홀드를 초과하는 영역 및 제2 스레쉬홀드를 초과하지 않는 영역으로 구분하는 슈미트 트리거; 및 상기 제2 스레쉬홀드를 초과하는 영역 별로 누적된 합산 주파수를 산출하는 누계 산출부를 더 포함하며, 상기 프로세서는, 상기 제2 스레쉬홀드를 초과하는 영역 별로 누적된 합산 주파수의 누적값이 제3 스레시홀드를 최초로 초과하는 경우, 선택된 타겟 기기가 제1 동작되도록 선택된 타겟 기기를 조작할 수 있다.
몇몇 실시 예에서, 상기 프로세서는, 선택된 타겟 기기의 제1 동작이 수행된 후, 상기 제2 스레쉬홀드를 초과하는 영역 별로 누적된 합산 주파수의 누적값이 제4 스레시홀드를 초과하는 경우, 선택된 타겟 기기가 제2 동작되도록 선택된 타겟 기기를 조작할 수 있다.
본 발명에 따르면 아래와 같은 효과가 발생된다.
첫째로, 타겟 기기가 선택되면 EEG 신호만으로 선택된 타겟 기기가 제어될 수 있다.
둘째로, EEG 신호에 의해 제어 대상인 타겟 기기가 정확하고 정교하게 조작될 수 있다.
셋째로, 뇌파가 특정 세기 이상으로 특정 시간 동안 지속될 때, 제어 대상 타겟 기기가 조작될 수 있으므로, 보다 안전하고 정확한 제어가 수행될 수 있다.
넷째로, 첨단 기기들에 대한 BMI 기술을 체험할 수 있다.
본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시 예에 따른 BMI 기술 체험용 교육 장치를 개략적으로 설명하기 위한 도면이다.
도 2는 도 1에 개시된 BMI 기술 체험용 교육 장치의 구성을 나타내는 블록도이다.
도 3 내지 도 7는 본 발명의 일 실시 예에 따른 BMI 기술 체험용 교육 장치의 구체적인 구동 방법을 나타낸다.
이하 첨부된 도면들을 참조하여 본 발명의 다양한 실시 예를 보다 상세하게 설명한다. 다만, 본 발명을 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다.
도 1은 본 발명의 일 실시 예에 따른 BMI 기술 체험용 교육 장치(100)를 개략적으로 설명하기 위한 도면이다.
BMI 기술 체험용 교육 장치(100)는 다양한 체험자들이 뇌파 특히, EEG 신호를 이용하여 다양한 전자 통신 기기를 제어할 수 있는 환경을 제공할 수 있다.
우선, 체험자(USER)는 EEG 디바이스(200)를 머리에 착용할 수 있는데, EEG 디바이스(200)는 체험자의 뇌 소정 영역에서 발생되는 Raw EEG 신호를 감지하고, 감지된 신호를 증폭하여 외부로 전송할 수 있는 기기이다.
또한, 체험자는 복수의 타겟 기기(300A~300C) 중 하나(300C)를 선택할 수 있다. 본 도면에서 선택된 타겟 기기(300C)는 “드론”으로 사용자의 음성인 “드론 조종할래~”에 의해 “드론”이 인식되어 특정될 수 있다.
구체적으로, BMI 기술 체험용 교육 장치(100)는 체험자의 음성에 타겟 기기를 선택하려는 음성 명령이 포함되었는지 판단할 수 있으며, BMI 기술 체험용 교육 장치(100)는 선택된 타겟 기기(300C)를 컨트롤하려는 체험자의 조작 의도를 파악하여 이에 대응되도록 타겟 기기(300C)를 제어할 수 있다.
BMI 기술 체험용 교육 장치(100)는 다이렉트로 타겟 기기(300C)를 제어할 수 있으나, 구현 예에 따라서는 와이 파이 공유기, 라우터 등의 통신 기기를 경유하여 타겟 기기(300C)를 제어할 수도 있다.
여기서, 타겟 기기(300C)를 제어할 수 있는 체험자의 뇌파 신호는 주로 14Hz 내지 30㎐의 베타파 및 30Hz 내지 50Hz의 감마파일 수 있다. 뇌의 정신활동이 활발(또는 뇌 신경회로의 활성이 강화)해지면, 뇌파에서 베타파와 감마파 성분이 증가되며, 이러한 상태에서 체험자는 집중상태에 있다고 볼 수 있다. 본 명세서에서는 타겟 기기(300C)가 조작되는 주파수 대역을 14Hz 내지 50 hz로 상정하여 기술하나, 구현시에는 더 넓은 주파수 대역 또는 더 좁은 주파수 대역이 적용될 수도 있다.
이하에서는 도 2를 참고하여, 상기 BMI 기술 체험용 교육 장치(100)의 구성을 설명하기로 한다. 도 2는 본 발명의 일 실시 예에 따른 BMI 기술 체험용 교육 장치(100)의 구성을 나타내는 블록도이다.
도 2를 참고하면, BMI 기술 체험용 교육 장치(100)는 서버, 개인용 컴퓨터(PC) 등으로 구현될 수 있으며, 통신부(110), EEG 주파수 부분합산부(120), 슈미트 트리거(130), 누계 산출부(140), 입력부(150), 음성 인식부(160), 저장부(170), 디스플레이(180) 및 프로세서(190)를 포함할 수 있다. 도 2에 도시된 구성요소들은 상기 BMI 기술 체험용 교육 장치(100)를 구현하는데 필수적인 것은 아니어서, 본 명세서 상에서 설명되는 BMI 기술 체험용 교육 장치(100)는 위에서 열거된 구성요소들 보다 많거나, 또는 적은 구성요소들을 가질 수 있다.
구체적으로, 통신부(110)는 EEG 디바이스(200)로부터 EEG 신호를 수신할 수 있다. 통신부(110)는 유선통신 모듈, 이동통신 모듈, 근거리 통신 모듈 등을 포함할 수 있으며, 상기 근거리 통신 모듈은 블루투스 통신 모듈, 와이파이 통신 모듈 등을 포함할 수 있으며, 구현시에는 더 많은 통신 모듈이 상기 통신부(110)에 포함될 수 있다.
아울러, 통신부(110)는 타겟 기기를 제어하는 제어 명령을 다이렉트로 타겟 기기로 전송할 수 있으며, 구현 예에 따라서는, IP 공유기, 라우터 등을 경유하여 타겟 기기를 제어할 수 있다.
EEG 주파수 부분합산부(120)는 수집되는 Raw EEG 신호들을 소정의 타임구간 별로 구분할 수 있다. 여기서, 소정의 타임구간은 Raw EEG 가 수집되는 단위로 EEG 신호의 주파수에 따라 다르게 결정될 수 있다. 다만 EEG 신호의 주파수가 500Hz 라면 소정의 타임구간은 1초일 수 있으며, 1초 동안 500 회의 EEG 신호가 수집될 수 있다. 본 명세서에서는 소정의 타임구간이 1초인 것으로 가정하여 설명하기로 한다.
만약, 1초에 500 회의 EEG 신호가 수집될 경우, EEG 주파수 부분합산부(120)는 500회에 걸쳐서 EEG 신호를 수집한 후, 수집된 EEG 신호에 대해 FFT 연산을 수행하여 시간영역을 주파수영역으로 변환할 수 있다.
이때, EEG 주파수 부분합산부(120)는 FFT 연산을 수행하여 주파수를 도출하고 도출된 주파수 중에서 제1 스레시홀드(Threshhold)를 넘는 주파수만 합산할 수 있다. 여기서, 소정의 타임 구간마다 합산된 주파수를 합산 주파수라고 명명할 수 있다. EEG 주파수 부분합산부(120)는 승산부를 이용하여 FFT 연산을 수행한 주파수와 제1 스레쉬홀드를 함께 적용할 수 있다. 즉, EEG 주파수 부분합산부(120)는 소정 타임 구간마다 특정 세기 이상의 데이터만 수집하여 타겟 기기(300)를 조작하려는 체험자의 의도를 보다 용이하게 인식할 수 있다.
다음으로, 슈미트 트리거(130, Schmitt Trigger)는 소정의 타임구간 별로 합산된 EEG 신호가 제2 스레쉬홀드을 초과하는 영역 및 제2 스레쉬홀드를 초과하지 않는 영역으로 구분할 수 있다. 슈미트 트리거(130)는 EEG 신호가 제2 스레쉬홀드를 초과하는 영역은 On(1)으로 설정할 수 있으며, EEG 신호가 제2 스레쉬홀드를 초과하지 않는 영역은 Off(0)로 설정할 수 있다. 여기서, 제2 스레쉬홀드는 슈미트 트리거(130)에 따라 다른 값으로 설정될 수 있다. 다만, 제2 스레쉬홀드는 슈미트 트리거(130)가 시간 영역에서의 합산 주파수가 적정값를 만족하는지 여부를 결정짓는 한계값으로, 보다 사용자의 집중도가 높은 영역을 선별할 수 있다.
누계 산출부(140)는 슈미트 트리거(130)에 의해 제2 스레쉬홀드를 넘는 영역의 누계를 산출하는 모듈에 해당된다. 누계 산출부(140)는 부분 누적 합계(Sectional Cumulative Sum) 방식으로 제2 스레쉬홀드를 초과하는 영역을 누적할 수 있다.
입력부(150)는 다양한 입력 수단을 포함할 수 있으며, 다양한 입력 수단은 키보드, 마우스, 버튼, 조이스틱 등을 포함할 수 있으며, 디스플레이(180) 상의 터치 입력을 인식하는 터치 패드도 포함할 수 있다. 입력부(150)는 하나 이상의 타겟 기기 중 하나가 선택되는 명령을 다양한 방식으로 입력받을 수 있다.
음성 인식부(160)는 사용자의 음성에서 제어 대상 타겟 기기를 특정하는 체험자 음성 명령을 인식할 수 있는데, 타겟 기기를 제어하는 단어는 기 설정된 단어로 타겟 기기마다 매칭될 수 있다. 기 설정된 단어는 복수 개로 구현될 수 있다.
저장부(170)는 프로세서(190)에 의해 다양한 정보를 저장할 수 있다. 저장부(170)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(random access memory; RAM), SRAM(static random access memory), 롬(read-only memory; ROM), EEPROM(electrically erasable programmable read-only memory), PROM(programmable read-only memory), 자기 메모리, 자기 디스크 및 광디스크 중 적어도 하나의 타입의 저장매체 등으로 구현될 수 있으며, 서버 형태의 거대 시스템으로 구현될 수 있으며, 다양한 데이터 베이스가 저장될 수 있다.
디스플레이(180)는 다양한 타겟 기기에 매칭되는 아이템을 표시할 수 있다.
아울러, 디스플레이(180)는 프로세서(190)가 연산한 결과를 나타낼 수 있으며, 프로세서(190)의 제어에 따라 타겟 기기의 동작 상황을 표시할 수 있다. 구체적으로, 프로세서(190)는 디스플레이(180) 상에 현재 타겟 기기의 위치, 동작 현황 등의 정보를 표시할 수 있다.
프로세서(190)는 BMI 기술 체험용 교육 장치(100)의 구성들을 전반적으로 제어하는 핵심 구성으로, 수신된 뇌파 신호를 분석하며 분석된 뇌파 신호에 선택된 타겟 기기를 조작하는 사용자의 의도가 있는지 여부를 결정할 수 있다.
프로세서(190)는 선택된 타겟 기기를 조작하는 사용자의 의도가 포함된 경우, 조작 명령에 대응되는 구동이 타겟 기기(300)에서 수행되게 타겟 기기(300)로 제어 명령을 전송할 수 있다.
프로세서(190)는 다양한 입력 수단을 통해 타겟 기기를 선택할 수 있다. 가령, 프로세서(190)는 키보드, 마우스 등에 의해 타겟 기기를 선택할 수 있으며, 디스플레이(180)의 터치 입력을 통해 타겟 기기를 선택할 수 있다. 가령, 프로세서(190)는 타겟 기기에 대응되는 아이템이 디스플레이(180) 상에 표시되면 터치 입력을 통해 특정 타겟 기기를 선택할 수 있다.
아울러, 프로세서(190)는 체험자의 음성에 타겟 기기 중 하나를 선택하는 명령이 포함되었는지 판단할 수 있으며, 선택된 명령에 대응되는 타겟 기기를 선택할 수 있다.
또한, 프로세서(190)는 제2 스레쉬홀드를 초과하는 영역 별로 누적된 합산 주파수의 누적값을 기준으로 타겟 기기의 조작 여부를 판단할 수 있다. 가령, 프로세서(190)는 2초 내지 4초가량 일관된 세기로 베타파가 출력되어야 타겟 기기(300)를 구동시키는 명령으로 인식할 수 있다.
프로세서(190)는 제2 스레쉬홀드를 초과하는 영역 별로 누적된 합산 주파수의 누적값이 제3 스레시홀드를 최초로 초과하는 경우, 제어 대상 타겟 기기가 제1 동작되도록 상기 제어 대상 타겟 기기를 조작할 수 있다. 가령, 프로세서(190)는 타겟 기기가 드론인 경우 상기 제1 동작은 이륙 동작(Take Off)일 수 있으며, 타겟 기기가 로봇인 경우 제1 동작은 로봇 팔이 움직이게 하는 동작일 수 있으며, 타겟 기기가 RC(Remote Control) 자동차인 경우 제1 동작은 전진하는 동작일 수 있으나, 실시 예가 이에 국한되는 것은 아니다.
프로세서(190)는 제어 장치(100)를 전반적으로 제어하는 모듈이며, 타겟 오브젝트를 제어하는 명령이 정확하게 어떤 명령인지 판단할 수 있다. 가령, 프로세서(190)는 타겟 기기(300)가 구동되도록 제어할 수 있으며, 타겟 기기(300)가 특정의 동작을 하도록 제어할 수 있다.
상기 프로세서(190)는 제어 대상 타겟 기기가 제1 동작이 수행된 후, 상기 제2 스레쉬홀드를 초과하는 영역 별로 누적된 합산 주파수의 누적값이 제4 스레시홀드를 초과하는 경우, 제어 대상 타겟 기기가 제2 동작되도록 상기 제어 대상 타겟 기기를 조작할 수도 있다. 여기서, 제4 스레쉬홀드는 제3의 스레쉬홀드보다 큰 값일 수 있다.
가령, 타겟 기가가 드론인 경우 제3 스레쉬홀드에 따라 이륙된 후, 더 신중한 명령이 입력되게 제4 스레쉬홀드를 제3 스레쉬홀드보다 큰 값으로 설정될 수 있다. 아울러, 구현예에 따라서는, 제4 스레쉬홀드가 제3 스레쉬홀드보다 더 작은 값으로 설정될 수도 있다.
BMI 기술 체험용 교육 장치(100)와 통신하는 EEG 감지기(200)는 Raw EEG를 시간에 따라 탐지하여 조작 장치(100)로 제공할 수 있다. EEG 감지기(200)는 Raw EEG 신호를 감지하는 EEG 신호 탐지부(210), EEG 신호 전송부(220)를 포함할 수 있으며, 뇌파 신호를 증폭하는 증폭 모듈 등을 포함할 수 있다.
한편, 도 3 내지 도 5는 본 발명의 일 실시 예에 따른 BMI 기술 체험용 교육 장치(100)의 구체적인 구동 방법을 나타낸다.
도 3은 본 발명의 일 실시 예에 따른 BMI 기술 체험용 교육 장치(100)가 소정의 타임구간 동안 EEG 신호를 수집하는 방법을 나타낸다.
도 3을 참고하면, 프로세서(190)는 시간에 따른 EEG 신호(310)를 수집할 수 있다. 프로세서(190)은 소정의 타임 구간(310_1, 310_2) 동안의 EEG 신호를 FFT 연산 모듈을 통해 주파수 영역으로 변환하며, 이때 소정의 제1 스레쉬홀드의 주파수를 초과하는 신호만 추출하여 합산할 수 있다. 합산시에는 제1 스레쉬홀드와 FFT 연산이 승산기에 의해 승산될 수 있다. 이때, 소정의 타임 구간 동안의 합산 주파수들(B1, B2, …, Bn)이 산출될 수 있으며, 합산 주파수의 성격은 뇌파 중에서 베타파 또는 감마파일 수 있다.
도 4는 본 발명의 일 실시 예에 따른 BMI 기술 체험용 교육 장치(100)가 타겟 기기를 조작하는 상황을 판단하는 방법을 나타낸다.
도 4를 참고하면, 조작 장치(100)는 소정의 타임구간 동안 수집된 합산 주파수(B)를 슈미트 트리거(130)를 통해 온 및 오프로 분류할 수 있다.
누계 산출부(140)는 제2 스레쉬홀드를 초과하는 값들을 누적하여 부분합 연산을 수행할 수 있다.
프로세서(190)는 소정 수준을 초과한 경우, 사용자가 타겟 기기를 조작하는 것으로 판단하여 타겟 기기를 조작할 수 있다. 가령, 프로세서(190)는 제2 스레쉬홀드를 초과하는 값들을 누적한 값이 제3 스레쉬홀드를 초과한 경우, 사용자가 타겟 기기를 조작하는 것으로 판단할 수 있다. 프로세서(190)는 타겟 기기가 드론인 경우, 이륙 명령으로 인식하여 타겟 기기가 이륙되게 할 수 있다. 일단, 드론이 이륙하면 프로세서(190)는 제2 스레쉬홀드를 초과하는 값들을 누적한 값이 제4 스레쉬홀드를 초과하는 경우, 다른 제어 동작이 드론에서 수행되게 할 수 있다.
도 5는 본 발명의 일 실시 예에 따른 조작 장치(100)가 타겟 오브젝트를 조작하는 방법을 나타내는 동작 흐름도이다.
도 5를 참고하면, 500번이 될때까지 카운트(N)를 증가시키면서 raw EEG 신호를 수신한다(S510 내지 S525), 카운트가 500회에 다다르면 고속 푸리에 변환(Fast Fourier Transform, FFT) 모듈을 통해 주파수 영역으로 변환하며, 주파수가 특정 주파수를 넘는 주파수부터 주파수의 맥스값까지 합산을 수행하여 합산주파수(B)를 산출할 수 있다(S530 및 S535).
여기서, 500번은 EEG 신호의 주파수가 500Hz 인 경우를 위해 임의로 설정된 값이며, 구현 예에 따라 다른 주파수 및 횟수로 설정될 수 있다.
단계 S510 내지 S535 가 합산 주파수 B를 생성하는 단계라면, 단계 S540 내지 S580 은 생성된 합산 주파수 B로부터 생성하는 드론 명령을 생성하는 단계에 해당될 수 있다.
구체적으로, 제2 스레쉬홀드를 넘는 합산주파수의 경우 누적 계수(P)에 더하고, 누적 계수(P)가 제3 스레쉬홀드(또는 제4 스레쉬홀드)를 넘는 경우, 이에 대응되는 동작 명령을 타겟 오브젝트에 전송하고, 플래그 설정을 수행할 수 있다. 즉, 최초 동작 명령이 내려질 때, 플래그를 1로 설정할 수 있다. 가령, 최초 동작되는 경우가 이륙 명령인 경우, 타겟 오브젝트가 이륙하면 플래그가 1로 설정될 수 있다.
도 6 및 도 7은 본 발명의 일 실시 예에 따른 BMI 기술 체험용 교육 장치(100)가 제공하는 화면이다.
도 6을 참고하면, 실제 타겟 기기에 대응되는 아이템(300A~300C)들이 디스플레이(180)에 표시될 수 있는데, BMI 기술 체험용 교육 장치(100)는 드론(300A)을 선택할 것으로 제안할 수 있으며, 드론(300A)을 제어하는 방법을 알림(183)으로 제공할 수 있으며, 드론(300A)이 선택된 것을 알림으로 표시할 수 있다.
가령, BMI 기술 체험용 교육 장치(100)는 체험자가 드론을 집중적으로 바라보는 경우, 드론이 얼마 후에 움직이는지 디스플레이(180)에 표시(183)할 수 있다.
도 7을 참고하면, BMI 기술 체험용 교육 장치(100)는 선택된 타겟 기기(300A)의 움직임 패턴 정보를 수신하여 디스플레이(180)에 표시할 수 있다. 가령, BMI 기술 체험용 교육 장치(100)는 선택된 드론(300A)이 어느 정도 이동하였는지 정보를 타겟 기기(300A)로부터 수신하여 이를 디스플레이(180)에 알림(185)의 형태로 표시할 수 있다.
한편, BMI 기술 체험용 교육 장치(100)는 여러 체험자의 요청을 동시에 처리할 수 있다. 가령, BMI 기술 체험용 교육 장치(100)는 복수의 체험자의 타겟 기기 선택이 가능하도록 인터페이스를 제공할 수 있다. 가령, BMI 기술 체험용 교육 장치(100)는 디스플레이(180) 상에 배치된 타겟 기기들에 대응되는 아이템이 동시에 선택될 수 있게 인터페이스를 제공할 수 있다.
만약, 제1 체험자가 드론을 선택하고, 제2 체험자가 RC 카를 선택하는 경우, BMI 기술 체험용 교육 장치(100)는 뇌파를 전송하는 두 개체를 모니터링하여 이에 대응되는 가이드나 인터페이스를 제공할 수 있다.
또한, BMI 기술 체험용 교육 장치(100)는 각 연령대별로 적합한 난이도를 다르게 하여 인터페이스를 제공함으로써, 여러 연령의 체험자가 뇌파에 의해 타겟 기기를 용이하게 제어할 수 있는 인터페이스를 제공할 수 있다.
BMI 기술 체험용 교육 장치(100)는 인터넷 망과 MQTT 같은 메시지 전송 프로토콜을 이용함으로써, 기술을 체험하는데 있어 거리 제한이 없으며, 여러 타겟 기기가 연결되더라도 N대N의 원격제어 플랫폼을 제공할 수 있다.
한편, 본 명세서에서 설명하는 기능적인 동작과 주제의 구현물들은 디지털 전자 회로로 구현되거나, 본 명세서에서 개시하는 구조 및 그 구조적인 등가물들을 포함하는 컴퓨터 소프트웨어, 펌웨어 혹은 하드웨어로 구현되거나, 이들 중 하나 이상의 결합으로 구현 가능하다. 본 명세서에서 설명하는 주제의 구현물들은 하나 이상의 컴퓨터 프로그램 제품, 다시 말해 제어 시스템의 동작을 제어하기 위하여 혹은 이것에 의한 실행을 위하여 유형의 프로그램 저장매체 상에 인코딩된 컴퓨터 프로그램 명령에 관한 하나 이상의 모듈로서 구현될 수 있다.
컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장 장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조성물 혹은 이들 중 하나 이상의 조합일 수 있다.
본 명세서에서 "장치"라 함은 예컨대 프로그래머블 프로세서, 컴퓨터 혹은 다중 프로세서나 컴퓨터를 포함하여 데이터를 제어하기 위한 모든 기구, 장치 및 기계를 포괄한다. 제어 시스템은, 하드웨어에 부가하여, 예컨대 프로세서 펌웨어를 구성하는 코드, 프로토콜 스택, 데이터베이스 관리 시스템, 운영 체제 혹은 이들 중 하나 이상의 조합 등 요청 시 컴퓨터 프로그램에 대한 실행 환경을 형성하는 코드를 포함할 수 있다.
컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 혹은 코드로도 알려져 있음)은 컴파일되거나 해석된 언어나 선험적 혹은 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 혹은 컴퓨터 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다. 컴퓨터 프로그램은 파일 시스템의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 혹은 다중의 상호 작용하는 파일(예컨대, 하나 이상의 모듈, 하위 프로그램 혹은 코드의 일부를 저장하는 파일) 내에, 혹은 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상의 스크립트) 내에 저장될 수 있다. 컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터나 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.
한편, 컴퓨터 프로그램 명령어와 데이터를 저장하기에 적합한 컴퓨터로 판독 가능한 매체는, 예컨대 EPROM, EEPROM 및 플래시메모리 장치와 같은 반도체 메모리 장치, 예컨대 내부 하드디스크나 외장형 디스크와 같은 자기 디스크, 자기광학 디스크 및 CD-ROM과 DVD-ROM 디스크를 포함하여 모든 형태의 비휘발성 메모리, 매체 및 메모리 장치를 포함할 수 있다. 프로세서와 메모리는 특수 목적의 논리 회로에 의해 보충되거나, 그것에 통합될 수 있다.
본 명세서에서 설명한 주제의 구현물은 예컨대 데이터 서버와 같은 백엔드 컴포넌트를 포함하거나, 예컨대 어플리케이션 서버와 같은 미들웨어 컴포넌트를 포함하거나, 예컨대 사용자가 본 명세서에서 설명한 주제의 구현물과 상호 작용할 수 있는 웹 브라우저나 그래픽 유저 인터페이스를 갖는 클라이언트 컴퓨터와 같은 프론트엔드 컴포넌트 혹은 그러한 백엔드, 미들웨어 혹은 프론트엔드 컴포넌트의 하나 이상의 모든 조합을 포함하는 연산 시스템에서 구현될 수도 있다. 시스템의 컴포넌트는 예컨대 통신 네트워크와 같은 디지털 데이터 통신의 어떠한 형태나 매체에 의해서도 상호 접속 가능하다.
본 명세서는 다수의 특정한 구현물의 세부사항들을 포함하지만, 이들은 어떠한 발명이나 청구 가능한 것의 범위에 대해서도 제한적인 것으로서 이해되어서는 안되며, 오히려 특정한 발명의 특정한 실시형태에 특유할 수 있는 특징들에 대한 설명으로서 이해되어야 한다. 마찬가지로, 개별적인 실시형태의 문맥에서 본 명세서에 기술된 특정한 특징들은 단일 실시형태에서 조합하여 구현될 수도 있다. 반대로, 단일 실시형태의 문맥에서 기술한 다양한 특징들 역시 개별적으로 혹은 어떠한 적절한 하위 조합으로도 복수의 실시형태에서 구현 가능하다. 나아가, 특징들이 특정한 조합으로 동작하고 초기에 그와 같이 청구된 바와 같이 묘사될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은 일부 경우에 그 조합으로부터 배제될 수 있으며, 그 청구된 조합은 하위 조합이나 하위 조합의 변형물로 변경될 수 있다.
또한, 본 명세서에서는 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시형태의 다양한 시스템 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 시스템들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징될 수 있다는 점을 이해하여야 한다.
이와 같이, 본 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하려는 의도가 아니다. 따라서, 상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 당업자라면 본 발명의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (10)

  1. 프로세서에 의해 수행되는 BMI 기술 체험용 교육 방법에 있어서,
    하나 이상의 타겟 기기 중 하나를 선택하는 단계;
    뇌파 신호를 수신하는 단계;
    수신된 상기 뇌파 신호를 분석하고, 분석된 뇌파 신호에서 선택된 타겟 기기를 조작하는 조작 명령을 생성하는 단계; 및
    상기 조작 명령에 대응되는 구동이 선택된 상기 타겟 기기에서 수행되게 하는 단계를 포함하는, BMI 기술 체험용 교육 방법.
  2. 제1항에 있어서,
    상기 타겟 기기 중 하나를 선택하는 단계는,
    입력 수단에 의해 상기 타겟 기기 중 하나를 선택하는 단계를 포함하는, BMI 기술 체험용 교육 방법.
  3. 제1항에 있어서,
    상기 타겟 기기 중 하나를 선택하는 단계는,
    체험자의 음성을 입력받는 단계 및
    상기 체험자의 음성에 상기 타겟 기기 중 하나를 선택하는 명령이 포함된 경우, 상기 선택 명령에 대응되는 타겟 기기를 선택하는 단계를 포함하는, BMI 기술 체험용 교육 방법.
  4. 제1항에 있어서,
    상기 타겟 기기 중 하나를 선택하는 단계는,
    상기 타겟 기기에 대응되는 아이템이 디스플레이 상에 각각 표시되는 경우, 터치 입력에 의해 특정 타겟 기기에 대응되는 아이템을 선택하는 단계를 포함하는, BMI 기술 체험용 교육 방법.
  5. 제1항에 있어서,
    뇌파 신호를 수신하는 단계는,
    체험자 뇌의 일 영역에서 발생되는 EEG 신호를 수신하는 단계를 포함하는, BMI 기술 체험용 교육 방법.
  6. 제5항에 있어서,
    상기 조작 명령을 생성하는 단계는,
    탐지된 EEG 신호를 소정의 타임구간 별로 구분하고, 구분된 소정의 타임구간 각각에 포함된 EEG 신호에 대해 FFT 연산을 수행하여 주파수를 도출하며, 도출된 주파수값 중에서 제1 스레쉬홀드를 넘는 주파수를 합산한 합산주파수를 산출하는 단계,
    상기 소정의 타임구간 별로 산출된 상기 합산주파수가 제2 스레쉬홀드를 초과하는 영역 및 제2 스레쉬홀드를 초과하지 않는 영역으로 구분하는 단계, 및
    상기 제2 스레쉬홀드를 초과하는 영역 별로 누적된 합산 주파수를 산출하는 단계를 포함하며,
    상기 BMI 기술 체험용 교육 방법은,
    상기 제2 스레쉬홀드를 초과하는 영역 별로 누적된 합산 주파수의 누적값이 제3 스레시홀드를 최초로 초과하는 경우, 선택된 타겟 기기가 제1 동작되도록 선택된 상기 타겟 기기를 조작하는 단계를 더 포함하는, BMI 기술 체험용 교육 방법.
  7. 제6항에 있어서,
    선택된 상기 타겟 기기의 제1 동작이 수행된 후, 상기 제2 스레쉬홀드를 초과하는 영역 별로 누적된 합산 주파수의 누적값이 제4 스레시홀드를 초과하는 경우, 선택된 상기 타겟 기기가 제2 동작되도록 선택된 상기 타겟 기기를 조작하는 단계를 더 포함하는, BMI 기술 체험용 교육 방법.
  8. 하나 이상의 타겟 기기 중 하나를 선택하는 명령을 입력받는 입력부;
    뇌파 신호를 수신하는 통신부; 및
    수신된 상기 뇌파 신호를 분석하고, 분석된 뇌파 신호에서 선택된 타겟 기기를 조작하는 명령을 생성하는 프로세서를 포함하며,
    상기 프로세서는,
    상기 조작 명령에 대응되는 구동이 선택된 상기 타겟 기기에서 수행되게 하는, BMI 기술 체험용 교육 장치.
  9. 제8항에 있어서,
    탐지된 EEG 신호를 소정의 타임구간 별로 구분하고, 구분된 소정의 타임구간 각각에 포함된 EEG 신호에 대해 FFT 연산을 수행하여 주파수를 도출하며, 도출된 주파수값 중에서 제1 스레쉬홀드를 넘는 주파수를 합산한 합산주파수를 산출하는 EEG 주파수 부분 합산부;
    상기 소정의 타임구간 별로 산출된 상기 합산주파수가 제2 스레쉬홀드를 초과하는 영역 및 제2 스레쉬홀드를 초과하지 않는 영역으로 구분하는 슈미트 트리거; 및
    상기 제2 스레쉬홀드를 초과하는 영역 별로 누적된 합산 주파수를 산출하는 누계 산출부를 더 포함하며,
    상기 프로세서는,
    상기 제2 스레쉬홀드를 초과하는 영역 별로 누적된 합산 주파수의 누적값이 제3 스레시홀드를 최초로 초과하는 경우, 선택된 타겟 기기가 제1 동작되도록 선택된 타겟 기기를 조작하는, BMI 기술 체험용 교육 장치.
  10. 제9항에 있어서,
    상기 프로세서는,
    선택된 타겟 기기의 제1 동작이 수행된 후, 상기 제2 스레쉬홀드를 초과하는 영역 별로 누적된 합산 주파수의 누적값이 제4 스레시홀드를 초과하는 경우, 선택된 타겟 기기가 제2 동작되도록 선택된 타겟 기기를 조작하는, BMI 기술 체험용 교육 장치.
KR1020190012157A 2019-01-30 2019-01-30 뇌-기계 접속 기술 체험용 교육 장치 및 방법 KR102190458B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190012157A KR102190458B1 (ko) 2019-01-30 2019-01-30 뇌-기계 접속 기술 체험용 교육 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190012157A KR102190458B1 (ko) 2019-01-30 2019-01-30 뇌-기계 접속 기술 체험용 교육 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20200094542A true KR20200094542A (ko) 2020-08-07
KR102190458B1 KR102190458B1 (ko) 2020-12-11

Family

ID=72049864

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190012157A KR102190458B1 (ko) 2019-01-30 2019-01-30 뇌-기계 접속 기술 체험용 교육 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102190458B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100696275B1 (ko) * 2001-08-24 2007-03-20 뉴로스카이 인코포레이션 뇌-기계 인터페이스 작동을 위한 무선 시스템 및 그의제어방법
KR20090098499A (ko) * 2008-03-14 2009-09-17 포항공과대학교 산학협력단 비음수 텐서 분해를 이용한 뇌파의 주파수 특징 추출 방법
KR101585150B1 (ko) * 2014-09-25 2016-01-14 서울대학교산학협력단 뇌 연결성에 기반한 멀티모드 뇌-컴퓨터 인터페이스 시스템
KR20160024733A (ko) * 2014-08-25 2016-03-07 넥시스 주식회사 글라스형 웨어러블 디바이스를 이용한 실내 전자기기 제어방법 및 제어프로그램
KR20160079501A (ko) 2014-12-26 2016-07-06 고려대학교 산학협력단 뇌파 기반의 착용형 로봇의 제어 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100696275B1 (ko) * 2001-08-24 2007-03-20 뉴로스카이 인코포레이션 뇌-기계 인터페이스 작동을 위한 무선 시스템 및 그의제어방법
KR20090098499A (ko) * 2008-03-14 2009-09-17 포항공과대학교 산학협력단 비음수 텐서 분해를 이용한 뇌파의 주파수 특징 추출 방법
KR20160024733A (ko) * 2014-08-25 2016-03-07 넥시스 주식회사 글라스형 웨어러블 디바이스를 이용한 실내 전자기기 제어방법 및 제어프로그램
KR101585150B1 (ko) * 2014-09-25 2016-01-14 서울대학교산학협력단 뇌 연결성에 기반한 멀티모드 뇌-컴퓨터 인터페이스 시스템
KR20160079501A (ko) 2014-12-26 2016-07-06 고려대학교 산학협력단 뇌파 기반의 착용형 로봇의 제어 장치 및 방법

Also Published As

Publication number Publication date
KR102190458B1 (ko) 2020-12-11

Similar Documents

Publication Publication Date Title
Afergan et al. Dynamic difficulty using brain metrics of workload
US10475351B2 (en) Systems, computer medium and methods for management training systems
Solovey et al. Brainput: enhancing interactive systems with streaming fnirs brain input
KR102449377B1 (ko) 적응적 응답 기한 절차들에서의 신호 검출 메트릭들을 구현하기 위한 플랫폼들
Treacy Solovey et al. Designing implicit interfaces for physiological computing: Guidelines and lessons learned using fNIRS
Müller et al. Proposal of a SSVEP-BCI to command a robotic wheelchair
US20130096397A1 (en) Sensitivity evaluation system, sensitivity evaluation method, and program
US20190227626A1 (en) Neuro-adaptive body sensing for user states framework (nabsus)
US10860104B2 (en) Augmented reality controllers and related methods
Afergan et al. Brain-based target expansion
Peter et al. Emotion in human-computer interaction
Afergan et al. Phylter: a system for modulating notifications in wearables using physiological sensing
EP3843626A1 (en) Predicting depression from neuroelectric data
US20200401933A1 (en) Closed loop biofeedback dynamic assessment
Becker et al. Online control of reach accuracy in mice
WO2024032728A1 (zh) 一种智能人机协同系统测评方法、装置及存储介质
KR101527273B1 (ko) 전두엽 부착형 뇌파신호 검출 및 뇌파기반 집중력 분석 방법 및 장치
O'Reilly et al. Using kinematic analysis of movement to predict the time occurrence of an evoked potential associated with a motor command
US20200205741A1 (en) Predicting anxiety from neuroelectric data
KR102190458B1 (ko) 뇌-기계 접속 기술 체험용 교육 장치 및 방법
WO2024134621A1 (en) Systems and methods for assessing social skills in virtual reality
EP3480825A1 (en) Classifying a disease or disability of a subject
Kostenko et al. Supervised classification of operator functional state based on physiological data: Application to drones swarm piloting
Kraft et al. A systematic approach to developing near real-time performance predictions based on physiological measures
Ziegler et al. Sensing and assessing cognitive workload across multiple tasks

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant