Ученые России создали нейроинтерфейс, позволяющий шевелить пальцами аватара

Ученые Балтийского федерального университета (БФУ) им. Канта создали систему для управления движениями аватара - пользователя виртуальной реальности, которая позволяет распознавать не только движения, но и мелкую моторику рук человека, сообщает в пятницу пресс-служба Министерства науки и высшего образования РФ.

"Научные сотрудники БФУ им. Канта создали нейроинтерфейс для рынка нейротехнологических изделий: систему для управления движениями аватара пользователя виртуальной реальности, позволяющую распознавать мелкую моторику рук человека, благодаря технологиям обработки биологических сигналов. Технология может быть востребована сразу на нескольких сегментах рынка нейротехнологий: потребительские и игровые нейроинтерфейсы, системы контроля и управления", - говорится в сообщении.

Главной особенностью новой системы, как отмечают разработчики, является одновременное использование нескольких методик снятия электрофизиологических параметров. Такой подход позволяет увеличить точность передаваемых команд аватару, расширить спектр доступных ему движений, в частности, добавляя возможность шевелить пальцами, повысить уровень погруженности пользователя при нахождении в виртуальной реальности.

"Специальное устройство регистрирует электрическую активность, возникающую при сокращениях мышц, вызванных движениями человека. Эти данные обрабатываются специальными алгоритмами, что позволяет точно определять пространственное положение его конечностей и передавать полученные координаты в систему виртуальной реальности для управления аватаром, например, во время игры", - отмечается в сообщении.

В новой системе использовалось и ранее разработанное в БФУ им. Канта устройство для регистрации физиологических параметров человека - Balalaika. Устройство собирает электромиографические и электроэнцефалографические данные пользователя. Через wi-fi они передаются на компьютер, где обрабатываются специальным программным обеспечением. Для распознавания движения и эмоционального состояния пользователя используются технологии машинного обучения.