Embedded Brain Reading Sichere und intuitive Mensch

Embedded Brain Reading Sichere und intuitive Mensch

Rubrik
Zeichen:15.200
Bilder:3 EmbeddedBrainReading
SichereundintuitiveMensch-Maschine-Interaktion
ElsaAndreaKirchner,UniversitätBremenundDFKIRICundRolfDrechsler,Universität
BremenundDFKICPS
Autoren
Dr.rer.nat.ElsaAndreaKirchnerarbeitetalswissenschaftlicheMitarbeiterininder
ArbeitsgruppeRobotikanderUniversitätBremenundleitetamDFKIRICinBremendas
TeamNachhaltigeInteraktionundLernen.IhrFachgebietistdieMensch-MaschineInteraktionundinsbesonderedieAnalysekognitiverZuständebeimMenschenmittels
BiosignalenundtechnischeSignalezurVerbesserungderInteraktion.
Prof.Dr.phil.nat.RolfDrechslerleitetdieArbeitsgruppeRechnerarchitekturander
UniversitätBremenundistLeiterdesForschungsbereichsCyber-PhysicalSystemsamDFKI.
SeineForschungsgebietereichenvonSystemebenenbeschreibungeninSystemCüberTest-
undVerifikationsanwendungenbishinzurSchaltungssynthese.
Kontakt
[email protected]
www.informatik.uni-bremen.de/robotik
NeuartigeAssistenzsystemeundintuitiveInteraktionmitrobotischenSystemenbieten
denAnforderungenvonIndustrie4.0Lösungen.NurdurchintuitiveInteraktionzwischen
MenschundMaschinekannhochflexiblemodulareProduktionerreichtwerden,ohneden
Menschenzuüberfordern.HierfürsindAnsätzeverlangt,diedasErkennenvonAbsichten,
alsoIntentionen,einesMenscheneingebettetindieSteuerungeinestechnischenSystems
ermöglichen.AmBeispielvon„EmbeddedBrainReading“sollgezeigtwerden,wiemobile
undindastechnischeSystemeingebetteteErkennungmenschlicherHandlungsintentionen
sichergenutztwerdenkann,umdieInteraktionzwischenMenschundMaschinezu
verbessern.ImAusblicksollderBeitragskizzieren,wiedieaufgezeigtenLösungenvom
AnsatzherauchfürdieintuitiveundsichereUnterstützungdesMenscheninder
Produktioneingesetztwerdenkönnen,umdieZielederIndustrie4.0zurerreichen.
DiezurErreichungderZielevonIndustrie4.0gestelltenAnforderungen,wiez.B.der
AnforderungsichdemMarktindividuellundschnellanzupassen,verlangennichtnur
modulareProduktionsabläufesondernaucheinHöchstmaßanAnpassungsfähigkeitdes
Menschen.InZukunftmussdieindividuelleLeistungsfähigkeitundArbeitsweisesehrviel
gezielterbetrachtetundberücksichtigtwerden,umdenMenschennichtzuüberfordern
oderinseinerTätigkeitgarzubehindern.HierfürmüssenMenschundtechnischesSystem,
wiez.B.einIndustrieroboter,vielengerundintuitiverzusammenarbeiten.Diesistjedoch
nurmöglich,wennsichdasSystembesseraufdenjeweiligenMenschenunddessen
Bedürfnisseeinstellenkann.
ÄhnlicheAnforderungenwiefürdieeffizienteZusammenarbeitvonMenschund
Industrieroboter,werdenauchanAssistenzsystemeinanderenBereichengestellt.Verlangte
derUmgangmitvielenAssistenzsystemenfrüherofteineAnpassungdesmenschlichen
VerhaltensandieBedürfnissederSysteme,sosinddieseheutzutagesehrvielindividueller
Rubrik
Zeichen:15.200
Bilder:3 aufdieAnforderungendesMenschenangepasst.ZukunftsfähigeAssistenzsystemedürfen
zumErreicheneinerhohenAkzeptanzdasnatürlicheundindividuelleVerhaltendes
Menschennichtnegativbeeinflussen.EinwichtigerSchlüssel,umdieszuerreichen,istes,
dassAssistenzsystemenichtmehrnuraufderBasisvonexpliziten,alsodirektenundoft
künstlichen,AnweisungenAufgabendesMenschenübernehmen,sonderndenMenschenin
seinemindividuellenundnatürlichenVerhaltenfördernundmitihmkooperieren.Dieskann
erreichtwerden,wenntechnischeSystemeausdemKontextderInteraktionunddem
ZustanddesMenschenherausbeabsichtigteReaktionenundBewegungenvorhersagen
können,umdieseproaktivzuunterstützen.EmbeddedBrainReadingisteinAnsatz,deres
ermöglicht,ausderGehirnaktivitätdesMenschen,weiterenphysiologischenDatensowie
demKontextderInteraktionHandlungsintentionenzuerkennen,umeinesolcheproaktive
Unterstützungzuleisten(Bild1)[1].
Bild1:VisualisierungdesAnsatzesundderfunktionellenundkonzeptionellenKomponenten
vonEmbeddedBrainReading.EmbeddedBrainReadingermöglichtdiepassiveErkennung
vonHandlungsintentionen(I)desMenschenaufBasisderAnalysevonGehirnaktivitätenund
anderenphysiologischenDatensowieVerhaltensdaten,umdenMenschenindividuellund
demKontext(K)entsprechendundmöglichst(F)fehlerfreizuunterstützen(U).Bildquelle:aus
[2].
ImFolgendensollEmbeddedBrainReadingnähervorgestelltwerden,umaufzuzeigen,dass
dieserAnsatzdieMensch-Maschine-Interaktionsowohlmessbarundfühlbarverbessertals
auchfehlertolerantist.NebeneinerhohenFehlertoleranzistdieÜberprüfbarkeitauf
KorrektheiteinwichtigerFaktorfürdieNutzungimAlltagundBetriebsgeschehen.Eswird
dargestellt,dassdurchEmbeddedBrainReadingunddessenModellierungeineÜberprüfung
aufKorrektheittrotzderNutzungunsichererDatenmöglichist.DerEinbezugdesMenschen
undseinerDateninProzessederVerifikationsindhochrelevantfürzukünftigeAnsätzeder
RealisierungundVerbesserungvonMensch-Maschine-Interaktionoder-Kooperation.
NutzungphysiologischerDaten
PhysiologischeDaten,wiedieAtemfrequenz,derPuls,dieMuskelaktivitätoderauchdie
Gehirnaktivität,sindnichtvonaußenzubeobachten,bietenabereinensehrgutenEinblickin
denphysiologischen,psychologischenundkognitivenZustanddesMenschen.Nichtohne
GrundwerdensolcheDaten,wiebeispielsweisediePulsfrequenz,schonjetztvonWearable
Devicesgenutzt,umAussagenüberdenTrägerzutreffen.EinVorteilsolcherDatenliegt
auchdarin,dasssiesehrähnlicheAusprägungenzwischenverschiedenenMenschenhaben.
ImGegensatzzuVerhaltensdaten,wiez.B.Gesten,sindphysiologischeDatenaußerdem
nichtbewusstveränderbar,alsomanipulierbar,odervongesellschaftlichenGegebenheiten
abhängig.Somiterlaubensieesoft,zuverlässigereAussagenübereinePersonzutreffenals
z.B.Verhaltensanalysen.InsbesonderebeimTragentechnischerSystemeamKörper,wie
z.B.OrthesenundExoskeletteinderRehabilitationsrobotik,kanndasAufzeichnenund
AnalysierenvonphysiologischenDatengutrealisiertwerden[3,4].DieGehirnaktivitätkann
implizitgenutztwerden.BeimPhysiologicalComputingwirdz.B.dieGehirnaktivitätdes
Menschenanalysiert,umkritischeSituationen,wiebeispielsweiseeineÜberlastungeiner
PersonbeiderNutzungeinerMaschine,zuvermeiden[5].DerAnsatzkannz.B.beider
UnterstützungvonPilotenEinsatzfinden.
Rubrik
Zeichen:15.200
Bilder:3 ErkennungvonHandlungsintentionen
UmHandlungsintentionenzuermitteln,isteinegezielteInterpretationderGehirnaktivität
hinsichtlichverhaltensrelevanterZuständenotwendig.DaspassiveErkennenvon
Gehirnaktivitätsmustern,diemitbestimmtenZuständendesMenschenkorrelieren,wiez.B.
einemZustandderkognitivenÜberforderung,kannnurdannhinsichtlicheiner
Handlungsintentioninterpretiertwerden,wennauchdasVerhaltendesMenschenundder
Handlungskontextmitbetrachtetwerden.DieInterpretationderGehirnaktivität,dasBrain
Reading,mussalsoindenKontext(KinBild1)derHandlungbzw.Interaktioneingebettet
werden,woraussichderBegriffEmbeddedBrainReadingableitet.
FehlertoleranteUnterstützung
Daesnichtmöglichist,Handlungsintentionenfehlerfreizuerkennen,beinhaltetderAnsatz
vonEmbeddedBrainReadinginsbesondereeinefehlertoleranteNutzungderüberden
MenschenermitteltenInformationfüreinezuverlässigeUnterstützungderMenschMaschine-Interaktion.HierfürmüssendieErgebnissederIntentionserkennungsoverwendet
werden,dasseinemöglicheFehlinterpretationderIntentionzukeinemfehlerhaften
VerhaltendesSystemsführt(Bild1F:KonzeptfürfehlerfreieFunktionalswichtigerBaustein
vonEmbeddedBrainReading).Diesistinsbesonderedeswegenwichtig,daGehirnaktivität
(wieauchanderephysiologischeDatenoderVerhaltensdaten)nie100%korrekt
interpretiertwerdenkann.DasAusschließenvonFehlverhaltenistjedochwichtigfürdie
Akzeptanzinsbesonderedann,wennEmbeddedBrainReadinggenutztwird,umein
technischesSystemzusteuern,dasdieFunktionvonTeilendesmenschlichenKörpersim
SinneeinerAssistenzunterstützt,imSinneeinesFunktionsersatzesersetztodersogardie
Funktionerweitert.
IndemBeispielinBild2istillustriert,wieFehlverhaltenvermiedenwerdenkann.Inder
AnwendungwerdenBewegungsintentionenerkanntunddasSystemaufdieAusführung
einerBewegungbzw.dessenBeginnvorbereitet.DieVorbereitungbestehtjedochnicht
darin,dassderModusdesExoskelettsdirektvomRuhemodusindenModusderfreien
Beweglichkeitwechselt(Bild2).VielmehrwerdendieSensoren,welchenormalerweiseden
BewegungsbeginndetektierenunddieSchaltungzwischendenModivermitteln,adaptiert.
SiewerdenfürdenBeginndererwartetenBewegungsensibilisiert.Eskonntegezeigt
werden,dassdurchdieUnterstützungmittelsEmbeddedBrainReadingdieKraft,dieder
MenschfürdieInteraktionmitdemExoskelettaufbringenmuss,sehrstarkreduziertwird,
ohnedieStabilitätderdurchdasExoskelettvermitteltenHaltefunktioninderRuhephasezu
gefährden[6].
Bild2:EmbeddedBrainReadingerkenntdieHandlungsintentionundunterstütztdenWechsel
zwischendenModidesExoskelettsvonderUnterstützunginRuhe(LOCK)zurUnterstützung
freierBewegung(FREE).DerWechselderModierfolgtnurnachBestätigungder
vorhergesagtenHandlungsintentiondurchdasExoskelett.Bildquelle:aus[2].
WirdEmbeddedBrainReadingz.B.genutzt,umeineintendierteHandlungaktivmittels
einerOrtheseauszuführen(Bild3),wenndieOrthesez.B.dieFunktiondesArms
Rubrik
Zeichen:15.200
Bilder:3 übernimmt,mussumsomehrsichergestelltwerden,dassdieIntentionsichzubewegen
jeweilskorrekterkanntwurde.UmdenbesondershohenAnsprüchenaneinefehlerfreie
Funktionzugenügen,könnenmultimodaleDaten,alsoverschiedeneDatenüberden
Menschen,insbesondereverschiedenephysiologischeDaten,wiez.B.EEG-DatenundDaten
zurMuskelaktivität(Elektromyographische-Daten,kurzEMGDaten),kombiniertgenutzt
werden.DieKombinationverschiedenerDatenkannnichtnurdieFehlerratendrastisch
reduzierenodersogaraufnullsetzen,sonderndasSystemauchandengenerellenZustand
undBedarfdesMenschenanpassen[7].
Bild3:NutzungvonEmbeddedBrainReadinginderRehabilitationsrobotik:Aktive
UnterstützungvonmotorischerArmfunktioninAlltagssituationenzurErhöhungder
Partizipation.EswerdenmultimodaleDatengenutzt,um(1)dieErmittlungdes
Handlungskontextszuermöglichen,(2)dieFehleranfälligkeitzuminimierenund(3)eine
bessereAnpassungandenindividuellenBedarfdesPatienteninderTherapiezuermöglichen.
Bildquelle:verändertaus[2,3].
FehlererkennungdurchformaleModellierung
NebenderkonzeptionellenVermeidungeinesFehlverhaltenszeigtesich,dassjenachArtder
UnterstützungundderKomplexitätdesAnsatzesbestimmteImplementierungsfehleroft
nichterkanntwerdenkönnen.DieErkennungvonImplementierungsfehlernistbesonders
wichtig,dasichFehlerinderImplementierungnurineinergeringerenLeistunginder
UnterstützungdesMenschendurchEmbeddedBrainReadingzeigen.EineReduktionder
Unterstützungistschlechterkennbarbzw.nichtdirektmessbar.Diesliegtdaran,dasszum
einendietatsächlicherreichbareUnterstützungsleistungnichtvonvornhereinbestimmbar
istundzumanderenkomplettesFehlverhaltenschonimAnsatznahezuausgeschlossenwird.
Fehlerkönnenalsogarnichtodernurschlechterkanntwerden.EinformalesModellfür
EmbeddedBrainReadingwurdeentwickelt,dasverschiedeneImplementierungen,wiediein
Bild2dargestellte,abdeckt[1].MittelsdesModelskonntenichtnurallgemeingezeigt
werden,dassdurchdenEinsatzvonEmbeddedBrainReadingFehlfunktionendes
technischenSystemsimFallederFehlinterpretationdesKontextsoderderGehirnaktivität
vermiedenwerdenkönnen.Eswurdeaußerdemgezeigt,dassdasformaleModelgenutzt
werdenkann,umImplementierungsfehlerzuerkennen.DieerfolgreicheEntwicklungdes
formalenModelsindiziert,dassMensch-Maschine-InteraktiontrotzihrerKomplexitätund
denunsicherenDatenmodellierbarist,indemderFokusaufdieHauptkomponentenund
derenBedingungenundBeziehungenuntereinandergelegtwurde.DasentwickelteModel
isteinersterSchrittinRichtungVerifikationaufSystemebene[8],welchenichtnurkomplexe
technischeSysteme,sondernauchdenMenschenalsSystemmiteinschließt.
Ausblick
InZukunftwirdesSystemegeben,diedieAufzeichnungundAnalysevonGehirnaktivität
durchkleine,versteckte,wiez.B.inBrillenintegrierte,Systemeerlauben,sowieesjetzt
schonfürEmbeddedBrainReadingmöglichist,komplexeGehirnaktivitätsdatenauf
miniaturisiertenRechensystemenzuanalysieren,dieineintechnischesSystemintegriert
sind[9].EmbeddedBrainReadingstellteineSchlüsseltechnologiedar,dieesinZukunft
erlaubt,technischeSystemezuentwickeln,diemiteinerhohenZuverlässigkeiterkennen
Rubrik
Zeichen:15.200
Bilder:3 können,wasfürIntentioneneinNutzerhat,ohnedassexpliziteAnweisungennötigsind.Es
ermöglichtimpliziteundintuitiveKommunikationundhatdasPotenzial,dieAkzeptanz
technischerSystemegrundlegendzuerhöhen.EinesolcheAkzeptanzsteigerungist
Grundvoraussetzungdafür,dasstechnischeSystemefüreinedirekteKooperationmit
Menschen,wiebeispielsweiseinderProduktion,undfürdieindividuelleUnterstützungvon
Menschen,wieinderRehabilitation,zumEinsatzkommenkönnen.
DerAnsatzvonEmbeddedBrainReadingistdesWeitereneinModellfürintuitiveMenschMaschine-Schnittstellen,dieauchohneDatenvonderGehirnaktivitätdesMenschen
auskommenmüssen.NichtimmerundselbstmitminiaturisiertenAufzeichnungs-und
AnalysesystemenistdieNutzungdesmenschlichenElektroenzephalogrammssinnvoll.
InsbesonderebeiderUnterstützungvonMensch-Roboter-Interaktionimindustriellen
KontextreichenoftmalsVerhaltensdaten,umeineintuitiveInteraktionzuermöglich.Aber
auchbeiAnwendungenimBereichvonIndustrie4.0isteswichtig,dassdasErkennender
IntentiondesMenschensichererfolgt.Sokannz.B.diepassiveAnalysedesVerhaltensdurch
multisensorischeAuswertungverbessertwerden.EinBeispielistdieErkennungder
NäherungeinesMenschenaneinenRoboter.Hierkönnenz.B.DatenvonLaserscannern,
TiefenbildkamerasoderBewegungskamerassowieSensoren,dieinderKleidungdes
MenschenverarbeitetsindzusammenvielsichererhinsichtlichderFrage,obsichein
MenschdemArbeitsraumdesRobotersnähert,ausgewertetwerden,alsdiesunterder
NutzungnureinesDatentypsmöglichwäre.AuchbeimErkennenexplizitvermittelter
AnweisungenkanneineKombinationvonverschiedenenSensormodalitäten,wieLaserund
körpernaheSensorik,oderdieKombinationverschiedenerModalitäten,wieSpracheund
Gestik,helfendieInteraktionzwischenMenschundindustriellemRobotersichererzu
gestalten.AußerdemermöglichtdieKombinationmultimodalerDatendieimHinblickauf
denKontextderInteraktionausgewertetwird(sieheBild1)nichtnureinsicheresErkennen
derIntentionendesMenschen,sondernerlaubtesdemMenschenzusätzlicheine
bevorzugteArtderInteraktion,wiez.B.SpracheoderGestik,zuwählen.Fürneue
AnwendungenderIndustrie4.0wirdesinZukunftwichtigsein,multimodaleindie
Anwendung,indieSystemeundindenKontextderInteraktioneingebetteteSchnittstellen
zuentwickelnundeinzusetzen,dieinderLagesindIntentionendesMenschenintuitivauf
explizitemundaufimplizitemWegzuerkennenundintuitivehochflexibleInteraktionzu
erlauben.ErstmitsolchenSchnittstellenisteinewahreKooperationzwischenMenschund
Maschinerealisierbar.
Literatur
[1]
[2]
[3]
Kirchner,E.A.;Drechsler,R.:AFormalModelforEmbeddedBrainReading.Industrial
Robot.In:AnInternationalJournal40(2013),S.530-540.
ElsaAndreaKirchner:IntrinsischeIntentionserkennunginTechnischenSystemen.In:
SteffenHölldobler(Hrsg.).GI-Edition:LectureNotesinInformatics,Ausgezeichnete
Informatikdissertationen2014.S.121-130,BonnerKöllenVerlag,2015.
Kirchner,E.A.;Albiez,J.;Seeland,A.;Jordan,M.;Kirchner,F.:TowardsAssistive
RoboticsforHomeRehabilitation.In:Proceedingsofthe6thInternationalConference
onBiomedicalElectronicsandDevices(BIODEVICES-13),S.168–177,11.-14.2.2013,
Barcelona.
Rubrik
[4]
Zeichen:15.200
Bilder:3 VacaBenitez,L.M.;Tabie,M.;Will,N.;Schmidt,S.;Jordan,M.;Kirchner,E.A.:
ExoskeletonTechnologyinRehabilitation:TowardsanEMG-BasedOrthosisSystemfor
UpperLimbNeuromotorRehabilitation.In:JournalofRobotics2013,13Seiten,
doi:10.1155/2013/610589.
[5] Allanson,J.;Fairclough,S.:Aresearchagendaforphysiologicalcomputing.In:
InteractingwithComputers16(2004),S.857-878.
[6] Folgheraiter,M.;Jordan,M.;Straube,S.;Seeland,A.;Kim,S.-K.;Kirchner,E.A.:
MeasuringtheImprovementoftheInteractionComfortofaWearableExoskeleton.In:
InternationalJournalofSocialRobotics4(2012)3,S.285-302.
[7] Kirchner,E.A.;Seeland,A.;Tabie,M.:MultimodalMovementPrediction-Towardsan
IndividualAssistanceofPatients.In:PLoSONE,PublicLibraryofScience9(2014)1,S.
e85060.
[8] Drechsler,R.;Große,D.:Systemlevelvalidationusingformaltechniques.In:IEE
ProceedingsComputer&DigitalTechniques,SpecialIssueonEmbedded
MicroelectronicSystems:StatusandTrends152(2005)3,S.393-406.
[9] Wöhrle,H.;Teiwes,J.;Tabie,M.;Seeland,A.;Kirchner,E.A.;Kirchner,F.:Predictionof
MovementsbyOnlineAnalysisofElectroencephalogramwithDataflowAccelerators.
In:InternationalCongressonNeurotechnology,ElectronicsandInformatics
(NEUROTECHNIX),S.31–37,25.-26.10.2014,Rome.
Schlüsselwörter:
EmbeddedBrainReading,Mensch-Maschine-Interaktion,Assistenzsysteme,Verifikationauf
Systemebene
DieserBeitragentstandimRahmendesProjekts„IMMI-IntelligenteMensch-MaschineSchnittstelle“,dasvondemBMWi(FKZ50RA1011,FKZ50RA1012)gefördertwurde,dem
ReinhartKoselleckProjekt,gefördertdurchdieDeutscheForschungsgemeinschaft(DFG)(FKZ
DR287/23-1),unddemBMBFProjekt„SPECifIC“(FKZ01IW13001).
EmbeddedBrainReading–SafeandIntuitiveMan-MachineInteraction
Toinferhumanintentionsbyapproaches,whichareembeddedintotechnicalsystems,isthe
foundationofafuturekeytechnologythatenablesthedevelopmentofnovelassistive
devices.Thesedevicesprovidesolutionstocurrentandfuturechallengesthatarecausedby
thedemographicchangeandrequirementsof“Industry4.0”.EmbeddedBrainReading
enablesamobilerecognitionofhumanintentionembeddedintoatechnicalsystemto
supportusersfaulttolerantly.Themodeloftheapproachsuggeststhatman-machine
interactionisverifiableforcorrectnessandcompletenessforitssafeusage.
Keywords:
embeddedbrainreading,man-machineinteraction,assistivedevices,verificationonsystem
level
RedaktionelleAnmerkungen:
Rubrik
Zeichen:15.200
Bilder:3 - BitteüberprüfenSiedieBeschriftunginBild3:„Erkennungvon
ZielobjektendurchsemantischÜberwachung“.
o überarbeitet
- BitteergänzenSiein[2]und[8]dieSeitenangabe.
o vervollständigt
- BittekorrigierenSiein[3]und[6]dieSeitenangabe.
o Anmerkung:zu6(istjetzt7):dasisteindigitaler
Seitenbezeichnerundsorichtig o Zu3(jetzt4):vervollständigt