Математики Санкт-Петербургского государственного университета и Института проблем машиноведения РАН создали алгоритм неинвазивного управления инвалидной коляской с помощью нейронных сигналов головного мозга.
Разработку представил руководитель работ, профессор Санкт‑Петербургского университета, главный научный сотрудник лаборатории управления сложными системами ИПМаш РАН Александр Фрадков на VI Международной конференции по нейронным сетям и нейротехнологиям (NeuroNT’2025) в ЛЭТИ.
Кибернетическая нейробиология — это новая научная область, объединяющая методы вычислительной нейробиологии и кибернетики для изучения процессов управления в нервной системе и мозге. Она исследует математические модели нейронных ансамблей, применяя подходы теории управления, такие как синтез обратных связей, оценивание параметров и классификация состояний головного мозга по сигналам электроэнцефалографии (ЭЭГ).
Ученые Санкт-Петербургского университета входят в число лидеров в этом направлении, именно они ранее сформулировали суть новой области научного знания и одними из первых стали систематически ее развивать. Современные разработки в области нейротехнологий открывают новые горизонты в управлении оборудованием с помощью нейроинтерфейсов, включая роботов, инвалидные коляски и роботизированные протезы. Подобные разработки также значительно улучшают диагностику нервных заболеваний и патологических состояний мозга.
Кроме того, применение математических моделей нейронных ансамблей и отдельных регионов коры головного мозга позволяет глубже понять принципы работы мозга, что способствует развитию новых методов лечения и реабилитации. Ученые Санкт-Петербургского университета и ИПМаш РАН разработали роботизированную инвалидную коляску, которая управляется сигналами мозга напрямую.
«Вместе со студентами мы построили обучающиеся сетевые версии моделей ФитцХью — Нагумо и Хиндмарша — Роуза для улучшения качества моделирования работы человеческого мозга. Благодаря созданным алгоритмам она точно улавливает сигналы, когда человек хочет двигаться вправо, а когда влево», — объяснил главный научный сотрудник лаборатории управления сложными системами ИПМаш РАН, профессор Санкт-Петербургского государственного университета Александр Фрадков.
Коляска реагирует на намерения пользователя, распознавая сигналы мозга через электроэнцефалографию (ЭЭГ). Специальные алгоритмы машинного обучения анализируют активность мозга, выделяя паттерны, соответствующие командам «вперед», «налево», «направо» и «стоп». Для повышения точности используются адаптивные методы, такие как модифицированный алгоритм Якубовича — Брэгмана и «неявная полоска», которые эффективно разделяют сигналы даже при ограниченном объеме данных.
Основу системы составляет многоэтапная обработка сигналов мозга. Сначала ЭЭГ-данные очищаются от шумов с помощью полосовых фильтров, выделяя ключевые частотные диапазоны (например, альфа- и бета-ритмы). Затем алгоритмы машинного обучения анализируют паттерны активности мозга, сопоставляя их с конкретными намерениями пользователя.
Для повышения точности система использует адаптацию: параметры модели нейронных ансамблей непрерывно уточняются с учетом индивидуальных особенностей пользователя. На финальном этапе распознанные команды преобразуются в сигналы для электроприводов коляски, обеспечивая плавное и точное движение. Таким образом, софт действует как «переводчик» между мозгом и механикой, соединяя нейробиологию, кибернетику и робототехнику.
Преимущества такой системы — в ее неинвазивности и персонализации. В отличие от традиционных интерфейсов, требующих имплантации электродов напрямую в мозг, в данном случае применяются внешние датчики ЭЭГ. Алгоритмы самонастраиваются под индивидуальные особенности мозга пользователя, что ускоряет обучение и повышает точность управления.
Кроме того, технология позволяет адаптировать систему под новые типы команд, расширяя ее функционал. В перспективе подобные разработки могут быть использованы не только для реабилитации, но и для управления другими устройствами (от умного дома до экзоскелетов), открывая новые возможности для людей с ограниченной подвижностью.
/ Пресс — служба СПбГУ/
