35、神经自适应技术前沿研究成果综述

神经自适应技术前沿研究成果综述

1. 自动化真实驾驶中的生理信号响应

在自动化驾驶领域，自适应神经技术具有巨大潜力，它能在车辆部分自主运行时，保持驾驶员与车辆的连接。研究人员记录了部分自动化驾驶过程中的脑电图（EEG）、心电图（ECG）和眼电图（EOG），并研究了与自动制动相关的不同类型（意外）事件的响应。
- 实验方法
- 15名参与者在圆形轨道上驾驶，在听到“强烈”或“柔和”制动的提示后激活自适应巡航控制（ACC）。
- ACC激活后，汽车会宣布是进行强烈制动还是柔和制动，并随后执行相应操作。
- 实验分为240次匹配试验（汽车宣布与驾驶员期望一致）和60次不匹配试验。
- 记录64通道的EEG、EOG和ECG，并使用EEG训练分类模型。
- 实验结果
- 车辆“强烈”和“柔和”制动宣布的事件相关电位（ERP）响应不同，单次试验分类准确率为63%。
- 宣布强烈制动时，心率和眨眼持续时间增加，这与更高的唤醒或惊吓状态一致，但仅在试验的前半部分出现。
- EEG数据的独立成分分析（ICA）清洗使某些电极的ERP更具典型性，但未提高分类准确率。
- 匹配和不匹配试验的（清洗后）信号没有差异。
- 结果分析
- 虽然预期在EEG错误相关活动和ECG或EOG唤醒或惊吓测量中观察到匹配和不匹配之间的差异，但未发现。
- 宣布的制动类型在所有生理测量中都有影响，尤其是在实验开始时。
- 神经生理测量可以传达驾驶员对自动驾驶系统动作的心理反应信息，但前提是这些动作对驾驶员足够相关