? この部分では、 ry 。
このパートでは、研究者らは、脳制御ロボット刺激装置を介して、提案されたSSVEP-BCIが従来の場合よりも優れ を実証 を目指
? ry 時間の両方 ry 、ＳＳＶＥＰ振幅変動 ry 。
実験Ｉの結果のように、ＲＦ ｐｏｌｙ２モデルは、小さい誤差と制御アプリケーションのための短い計算時間との両方の観点から、 SSVEP マ ry ｰド変動のための最も適切な予測モデルであることが分かった。
したがって、RF poly 2アプローチのみがV-Repシミュ に組み込 [18]。
提案されたSSVEP-BCIの概念を従来のものと比較して評価するためにV-Rep内のVortex物理エンジンモードが構築された。
? ここでは、80 ry cm 3の立方体と60 kgのロボットを備えた改良型Pioneer P3DXロボットを使用 ry 。
ここではロボ 、 60 kg で 80×80 cmのプレートと10 cm^3 の立方体とをその Pioneer P3DX ロボットの上に備えた改造型、を使
? オンラインの ry 速度プロファイル（VP）を作成しまし ry 。
オンライン風の研究用にロボ シミュ を設定するために、実験プロトコルに従って速力プロファイル（VP）が作成され た（図4）。 >>33
実験1から収集したデータセットを使用して、cond.2とcond.3からの予測信号をオンラインのようなSSVEP応答（脳の信号）に関連付け た
? ry として使用されました。
これらの脳の信号はスピードコントローラの入力としてその後使用 。
制御装置は標準移動平均（ＭＡ）アルゴリズムを脳信号に適用した。


6ページ
6


最後に、MAの結果は、ロボ の移動速度を変えるためのVPとして使用
? ry 、増減速度期間 ry 動作した。
以下の規則を使用して、コントローラは、速度期間増減について実験プロトコルに従って２つの状態間で交互に動作した :

? 増加する速度期間： ry が高ければ ry 速度値 ry 。
速度期間の増加：入力値がより高ければ現在の速力値が更新 、そうでなければ値は安定
? 減少する速度期間： ry が低い場合 ry 速度値 ry 。
速度期間の減少：入力値がより低い場合は現在の速力値が更新 、それ以外の場合は値は安定

以下のサブセクションに示すように、研究ＩおよびＩＩにおいて提案されたＳＳＶＥＰ ＢＣＩの性能を調査 ために、前述の実験プロトコルを使用して脳制御ロボットシミュ を設定 。