Drones besturen met gedachtenkracht (video)

Het besturen van onbemande luchtvaartuigen (UAV’s) is een steeds grotere uitdaging geworden, zeker nu deze drones een steeds prominentere rol spelen in uiteenlopende toepassingen – van landmetingen en pakketbezorging tot inspectie van infrastructuur en militaire operaties. Toch is menselijke fout nog steeds de grootste oorzaak van UAV-ongelukken, die plaatsvinden met een frequentie van ongeveer 24 per 100.000 vlieguren.

Verschillende onderzoeksinstituten werken aan technologische oplossingen om dat aantal te verlagen. Eén technologie spreekt daarbij bijzonder tot de verbeelding – en tot de hersenen zelf: de hersen-computerinterface, oftewel BCI.

Gedachten worden besturing

BCI-technologie wordt al tientallen jaren ontwikkeld en varieert van invasieve methoden, waarbij elektrodes in de hersenen worden geïmplanteerd, tot niet-invasieve varianten waarbij de gebruiker een helm draagt die doet denken aan een sciencefictionfilm. Die helmen bevatten elektroden die vijf typen hersengolven kunnen meten via de schedel. Een computer analyseert deze signalen met behulp van trainingsdata en geavanceerde leeralgoritmen om ze om te zetten in opdrachten voor de echte wereld.

Toepassingen zijn legio. Personen met beperkte mobiliteit kunnen voor het eerst in jaren weer objecten verplaatsen, puur door te denken. Arbeiders kunnen robotarmen aansturen alsof het hun eigen handen zijn. En bij UAV’s kan besturing intuïtiever en veiliger worden, met minder training en minder kans op fouten.

Onderzoekers, zoals Zhuming Bi van Purdue University en zijn collega’s, onderzoeken hoe BCI’s menselijke fouten bij dronebesturing kunnen corrigeren. Een recent artikel bespreekt verschillende fouttypes en hoe BCI’s deze kunnen voorkomen. Een veelvoorkomende fout is bijvoorbeeld foutieve invoer bij de drone-interface. BCI’s zouden ook kunnen helpen om roekeloze of instabiele dronepiloten in toom te houden.

BCI als correctiemechanisme

UAV-interfaces lopen sterk uiteen: sommige lijken op klassieke vliegtuigbesturingen met joystick en gashendel, andere eerder op afstandsbedieningen van speelgoed of gamecontrollers. Elke interface vraagt om precieze handelingen – een verkeerde draai of onbedoeld drukje op een knop kan grote gevolgen hebben voor een dure drone.

Een BCI kan hier uitkomst bieden. Door directe koppeling van hersenpatronen aan bedoelde bewegingen, kan het systeem commando’s alleen uitvoeren als deze bewust zijn gedacht. Hoewel er zorgen zijn over foutieve interpretaties, kunnen goed getrainde algoritmes meestal onderscheid maken tussen bewuste en onbedoelde hersenactiviteit. Dit kan waardevolle apparatuur en dure hersteloperaties besparen.

Emotionele staat als factor

Een tweede, meer controversiële toepassing van BCI’s is het monitoren van de emotionele toestand van de gebruiker. Als een BCI vaststelt dat een gebruiker boos, gestrest of overstuur is, zou het systeem tijdelijk de besturing kunnen overdragen aan de software van de drone.

Het combineren van menselijke en autonome controle is technisch complex. In het artikel beschrijven de auteurs software met een algoritme dat de gemoedstoestand analyseert en een tweede algoritme dat beslist of de menselijke input of de software wordt gevolgd – vergelijkbaar met rijhulpsystemen in auto’s die ingrijpen bij een slapende bestuurder.

Voorbeeld uit China: drones besturen met gedachten

Hoewel de technologie zich nog in de onderzoeksfase bevindt, publiceerde een Chinees team recent een artikel in Nature Electronics over een BCI-systeem dat drones direct met gedachten laat besturen. Hun systeem maakt gebruik van een memristor-chip met meer dan 100.000 componenten die zich elektrische spanningen kunnen ‘herinneren’ via weerstand – perfect voor gebruik in neuromorfe systemen.

De resultaten? Proefpersonen konden een drone succesvol door een hindernisbaan leiden puur door zich de gewenste richting voor te stellen. Een EEG-helm ving de hersensignalen op en vertaalde deze in real-time naar dronecommando’s. Een lerend algoritme verfijnde continu de interpretatie van de signalen, wat de nauwkeurigheid vergrootte.

Dankzij memristors kon het systeem zeer efficiënt functioneren: ze houden informatie vast zonder traditionele opslaggeheugens en zijn daardoor tot duizend keer efficiënter. Deze efficiëntie maakte het mogelijk een ‘closed loop’-feedbacksysteem toe te passen, waarbij het algoritme voortdurend leert van nieuwe signalen en de gebruiker leert om helderdere signalen te genereren.

Hoewel BCI-technologie nog in ontwikkeling is, laat zij zo veelbelovende toepassingen zien voor UAV-besturing.