AR, XR und Gehirnschnittstellen

Geist über Maschinen: Revolutionierung der Mensch-Geräte-Interaktion

mm
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen

Forscher der University of Technology Sydney (UTS) haben eine bahnbrechende Entdeckung gemacht, die die Art und Weise, wie wir mit Technologie interagieren, verändern könnte. In Zusammenarbeit mit der australischen Armee und dem Defence Innovation Hub haben Professors Chin-Teng Lin und Francesca Iacopi einen Biosensor entwickelt, der es ermöglicht, Geräte wie Roboter und Maschinen allein mit Gedanken zu steuern. Diese fortschrittliche Brain-Computer-Schnittstelle hat das Potenzial, verschiedene Branchen wie fortschrittliche Fertigung, Luft- und Raumfahrt sowie Gesundheitswesen zu revolutionieren.

Diese Art von Technologie, wenn sie jemals weit verbreitet und fortgeschritten ist, könnte traditionelle Schnittstellen wie Konsolen, Tastaturen, Touchscreens und Handgesten-Erkennung überflüssig machen. Laut Professor Iacopi “funktioniert die hands-free-, sprachlose Technologie außerhalb von Laborumgebungen, jederzeit und überall.”

Kombination von Graphen-Material und Silizium

Die Entwicklung dieser SpitzenTechnologie wurde durch die Verwendung von Graphen-Material in Kombination mit Silizium ermöglicht. Dies ermöglichte es den Forschern, Probleme wie Korrosion, Haltbarkeit und Hautkontaktwiderstand zu überwinden, was zur Schaffung von tragbaren trockenen Sensoren führte.

Eine Studie, die im Journal ACS Applied Nano Materials veröffentlicht wurde, zeigt, dass die Graphen-Sensoren hochleitfähig, einfach zu bedienen und robust sind. Die hexagonalen Sensoren werden auf der Rückseite des Schädels platziert, um Hirnwellen aus dem visuellen Kortex zu detektieren. Die Sensoren sind widerstandsfähig gegenüber rauen Bedingungen, was sie für den Einsatz in extremen Betriebsumgebungen geeignet macht.

Der Benutzer trägt eine Kopfmontierte Augmented-Reality-Brille, die weiße blinkende Quadrate anzeigt. Durch Fokussieren auf ein bestimmtes Quadrat werden die Hirnwellen des Bedieners von dem Biosensor erfasst. Ein Decoder übersetzt dann das Signal in Befehle. Die australische Armee demonstrierte kürzlich die Technologie, indem Soldaten einen Ghost-Robotics-Quadruped-Roboter mit der Brain-Maschinen-Schnittstelle steuerten. Dies ermöglichte eine hands-free-Steuerung des Roboterhundes mit bis zu 94% Genauigkeit.

Bildquelle: UTS

„Neun Befehle in zwei Sekunden“

“Unsere Technologie kann mindestens neun Befehle in zwei Sekunden ausgeben. Dies bedeutet, dass wir neun verschiedene Arten von Befehlen haben und der Bediener einen davon innerhalb dieser Zeit auswählen kann”, erklärt Professor Lin.

Die Forscher haben auch Möglichkeiten erforscht, um Geräusche vom Körper und der Umgebung zu minimieren, um klarere Signale vom Gehirn des Bedieners zu erhalten.

Diese innovative Technologie wird wahrscheinlich erhebliches Interesse von der wissenschaftlichen Gemeinschaft, der Industrie und der Regierung erhalten. Die Forscher an der UTS hoffen, weitere Fortschritte in der Brain-Computer-Schnittstellen-Technologie zu machen, die den Weg für eine neue Ära in der Mensch-Maschinen-Interaktion ebnen könnten.

Die Entwicklung von Biosensoren, die es ermöglichen, Geräte mit Gedanken zu steuern, hat das Potenzial, zahlreiche Bereiche zu revolutionieren. Durch die Beseitigung der Notwendigkeit traditioneller Schnittstellen und die Ermöglichung von hands-free-, sprachloser Bedienung kann diese Technologie das Leben von Menschen mit Behinderungen verbessern und die Effizienz von Branchen wie fortschrittiger Fertigung, Luft- und Raumfahrt sowie Gesundheitswesen erhöhen. Durch weitere Forschung und Innovation können wir weitere Fortschritte in der Brain-Computer-Schnittstellen-Technologie erwarten, die die Art und Weise, wie wir mit Technologie interagieren, neu gestalten werden.

Alex leitet den KI-gestützten Nachrichtenbetrieb von Unite.AI und kombiniert Journalismus, Forschung und Automatisierung, um eine zeitnahe und skalierbare Berichterstattung über Künstliche Intelligenz zu ermöglichen. Seine Arbeit trägt dazu bei, dass aufkommende KI-Entwicklungen effizient aufbereitet werden, während die redaktionellen Standards der Publikation eingehalten werden.