Математики Санкт-Петербургского государственного университета совместно с Институтом проблем машиноведения РАН разработали алгоритм, позволяющий управлять инвалидной коляской с помощью нейронных сигналов головного мозга. Проект был представлен профессором СПбГУ и главным научным сотрудником лаборатории управления сложными системами ИПМаш РАН Александром Фрадковым на VI Международной конференции по нейронным сетям и нейротехнологиям (NeuroNT’2025).
Разработка основана на методах кибернетической нейробиологии — нового научного направления, объединяющего вычислительную нейробиологию и кибернетику. Система улавливает электрическую активность мозга через ЭЭГ, анализирует её с помощью алгоритмов машинного обучения и переводит в команды «вперед», «налево», «направо» и «стоп». Для этого используется многоэтапная обработка сигналов: фильтрация шумов, выделение альфа- и бета-ритмов, распознавание паттернов активности и их сопоставление с намерениями пользователя.
Особенностью технологии является адаптивность: алгоритмы подстраиваются под индивидуальные особенности мозга конкретного человека, что ускоряет процесс обучения и повышает точность управления. Ключевые методы — модифицированный алгоритм Якубовича—Брэгмана и «неявная полоска» — позволяют эффективно разделять сигналы даже при небольшом объёме данных.
Главные преимущества системы — неинвазивность и персонализация. В отличие от имплантируемых нейроинтерфейсов, она использует внешние датчики ЭЭГ, что делает технологию безопасной. В перспективе алгоритм можно адаптировать для управления другими устройствами — от роботизированных протезов до экзоскелетов и элементов умного дома.
По словам разработчиков, проект открывает новые возможности для реабилитации людей с ограниченной подвижностью и может стать основой для будущих комплексных решений в области нейротехнологий.
Разработка основана на методах кибернетической нейробиологии — нового научного направления, объединяющего вычислительную нейробиологию и кибернетику. Система улавливает электрическую активность мозга через ЭЭГ, анализирует её с помощью алгоритмов машинного обучения и переводит в команды «вперед», «налево», «направо» и «стоп». Для этого используется многоэтапная обработка сигналов: фильтрация шумов, выделение альфа- и бета-ритмов, распознавание паттернов активности и их сопоставление с намерениями пользователя.
Особенностью технологии является адаптивность: алгоритмы подстраиваются под индивидуальные особенности мозга конкретного человека, что ускоряет процесс обучения и повышает точность управления. Ключевые методы — модифицированный алгоритм Якубовича—Брэгмана и «неявная полоска» — позволяют эффективно разделять сигналы даже при небольшом объёме данных.
Главные преимущества системы — неинвазивность и персонализация. В отличие от имплантируемых нейроинтерфейсов, она использует внешние датчики ЭЭГ, что делает технологию безопасной. В перспективе алгоритм можно адаптировать для управления другими устройствами — от роботизированных протезов до экзоскелетов и элементов умного дома.
По словам разработчиков, проект открывает новые возможности для реабилитации людей с ограниченной подвижностью и может стать основой для будущих комплексных решений в области нейротехнологий.
