Desarrollo de un Sistema Bci Basado en el Dispositivo Mindwave Mobile 2 para el Control de las Funciones de Movimiento del Robot Pepper

El presente proyecto de grado se describe el diseño, implementación y desarrollo de un sistema BCI Brain Computer Interface basado en la recepción de ondas cerebrales el cual dota al robot Pepper de diferentes funcionalidades, permitiendo realizar una interacción inalámbrica con el entorno y utiliza...

Full description

Autores:
Martínez Burgos, Johan Sebastián
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2023
Institución:
Universidad Santo Tomás
Repositorio:
Repositorio Institucional USTA
Idioma:
spa
OAI Identifier:
oai:repository.usta.edu.co:11634/57371
Acceso en línea:
http://hdl.handle.net/11634/57371
Palabra clave:
BCI
EEG
Pepper
MindWave Mobile 2
Blinks
Ingeniería Electrónica
Diseño-Robot
Ondas cerebrales
Interacción inalámbrica
BCI
EEG
Pepper
LSTM
MindWave Mobile 2
Parpadeos
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 2.5 Colombia
id SANTOTOMAS_19b24ac3c14f5a5574d943946e855aeb
oai_identifier_str oai:repository.usta.edu.co:11634/57371
network_acronym_str SANTOTOMAS
network_name_str Repositorio Institucional USTA
repository_id_str
dc.title.spa.fl_str_mv Desarrollo de un Sistema Bci Basado en el Dispositivo Mindwave Mobile 2 para el Control de las Funciones de Movimiento del Robot Pepper
title Desarrollo de un Sistema Bci Basado en el Dispositivo Mindwave Mobile 2 para el Control de las Funciones de Movimiento del Robot Pepper
spellingShingle Desarrollo de un Sistema Bci Basado en el Dispositivo Mindwave Mobile 2 para el Control de las Funciones de Movimiento del Robot Pepper
BCI
EEG
Pepper
MindWave Mobile 2
Blinks
Ingeniería Electrónica
Diseño-Robot
Ondas cerebrales
Interacción inalámbrica
BCI
EEG
Pepper
LSTM
MindWave Mobile 2
Parpadeos
title_short Desarrollo de un Sistema Bci Basado en el Dispositivo Mindwave Mobile 2 para el Control de las Funciones de Movimiento del Robot Pepper
title_full Desarrollo de un Sistema Bci Basado en el Dispositivo Mindwave Mobile 2 para el Control de las Funciones de Movimiento del Robot Pepper
title_fullStr Desarrollo de un Sistema Bci Basado en el Dispositivo Mindwave Mobile 2 para el Control de las Funciones de Movimiento del Robot Pepper
title_full_unstemmed Desarrollo de un Sistema Bci Basado en el Dispositivo Mindwave Mobile 2 para el Control de las Funciones de Movimiento del Robot Pepper
title_sort Desarrollo de un Sistema Bci Basado en el Dispositivo Mindwave Mobile 2 para el Control de las Funciones de Movimiento del Robot Pepper
dc.creator.fl_str_mv Martínez Burgos, Johan Sebastián
dc.contributor.advisor.none.fl_str_mv Mateus Rojas, Armando
Calderón Chávez, Juan Manuel
dc.contributor.author.none.fl_str_mv Martínez Burgos, Johan Sebastián
dc.contributor.orcid.spa.fl_str_mv https://orcid.org/0000-0002-2399-4859
https://orcid.org/0000-0002-4471-3980
dc.contributor.cvlac.spa.fl_str_mv https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000680630
https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000380938
dc.contributor.corporatename.spa.fl_str_mv Universidad Santo Tomás
dc.subject.keyword.spa.fl_str_mv BCI
EEG
Pepper
MindWave Mobile 2
Blinks
topic BCI
EEG
Pepper
MindWave Mobile 2
Blinks
Ingeniería Electrónica
Diseño-Robot
Ondas cerebrales
Interacción inalámbrica
BCI
EEG
Pepper
LSTM
MindWave Mobile 2
Parpadeos
dc.subject.lemb.spa.fl_str_mv Ingeniería Electrónica
Diseño-Robot
Ondas cerebrales
Interacción inalámbrica
dc.subject.proposal.spa.fl_str_mv BCI
EEG
Pepper
LSTM
MindWave Mobile 2
Parpadeos
description El presente proyecto de grado se describe el diseño, implementación y desarrollo de un sistema BCI Brain Computer Interface basado en la recepción de ondas cerebrales el cual dota al robot Pepper de diferentes funcionalidades, permitiendo realizar una interacción inalámbrica con el entorno y utilizando al robot como medio de comunicación. El proyecto está enfocado hacia la robótica social y el apoyo a personas en condición de discapacidad las cuales tiene dificultades comunicativas. Para la recepción de ondas se utiliza la diadema MindWave Mobile 2 desarrollada por la empresa Neurosky. Esta diadema permite realizar la toma de muestras de los parpadeos voluntarios, estos parpadeos son clasificados mediante una red neuronal de tipo Long-Short Term Memory (LSTM), la cual es efectiva en entrenamientos de clasificación en series de tiempo. A su vez, el robot Pepper se programó con funcionalidades como el habla correspondiente a una pequeña descripción del proyecto y dos acciones de saludo diferentes, saludo con la mano y apretón de mano. Estas funcionalidades es una muestra de la capacidad de comunicación del robot con el entorno. Por último, se realiza el sistema BCI mediante el entorno ROS Robot Operating System, el cual es un meta sistema operativo diseñado para robots, donde finalmente se obtienen los resultados de la clasificación de los parpadeos y las funcionalidades que adopta el robot dependiendo de los parpadeos voluntarios.
publishDate 2023
dc.date.issued.none.fl_str_mv 2023
dc.date.accessioned.none.fl_str_mv 2024-09-04T15:08:12Z
dc.date.available.none.fl_str_mv 2024-09-04T15:08:12Z
dc.type.local.spa.fl_str_mv Trabajo de grado
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.drive.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.citation.spa.fl_str_mv Martínez Burgos, J. S. (2023). Desarrollo de un Sistema Bci Basado en el Dispositivo Mindwave Mobile 2 para el Control de las Funciones de Movimiento del Robot Pepper. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/11634/57371
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Universidad Santo Tomás
dc.identifier.instname.spa.fl_str_mv instname:Universidad Santo Tomás
dc.identifier.repourl.spa.fl_str_mv repourl:https://repository.usta.edu.co
identifier_str_mv Martínez Burgos, J. S. (2023). Desarrollo de un Sistema Bci Basado en el Dispositivo Mindwave Mobile 2 para el Control de las Funciones de Movimiento del Robot Pepper. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.
reponame:Repositorio Institucional Universidad Santo Tomás
instname:Universidad Santo Tomás
repourl:https://repository.usta.edu.co
url http://hdl.handle.net/11634/57371
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Cazorla, Q. M. Á., & Gómez, D. R. F. (2019). Escuela Politécnica Superior Reconocimiento de emociones humanas y su aplicación a la Robótica Social. Escuela Politécnica Superior.
Ignacio González Burgos, David González Tapia, & Nallely Vázquez Hernández. (2021). Actividad motora: Una aproximación integral. Retrieved August 25, 2022, from https://books.google.com.co/books?hl=es&lr=&id=DgBMEAAAQBAJ&oi=fnd&pg=PA307&dq=discapacidades+motoras+ejemplos&ots=GdMqieZQ3c&sig=nwF722nV3-skAAvgUWUxFC707NM&redir_esc=y#v=onepage&q&f=false
Xu, M., He, F., Jung, T. P., Gu, X., & Ming, D. (2021). Current Challenges for the Practical Application of Electroencephalography-Based Brain–Computer Interfaces. In Engineering (Vol. 7, Issue 12, pp. 1710–1712). Elsevier Ltd. https://doi.org/10.1016/j.eng.2021.09.011
Felipe, A., & Fernández, R. (2020). Herramienta para la generación de texto basada en una interfaz cerebro-computador.
Camilo, C., & Castañeda, C. (2015). Ros-Gazebo. una Valiosa HeRRamienta de VanGuaRdia paRa el desarrollo de la Robótica Ros-Gazebo. a Valuable Tool 0f aVanT-edGe foR The deVelopmenT of RoboTics.
Naciones Unidas. (2022). Objetivos de Desarrollo Sostenible (ODS) | Comisión Económica para América Latina y el Caribe. https://www.cepal.org/es/temas/agenda-2030-desarrollo-sostenible/objetivos-desarrollo-sostenible-ods
ONU. (2022). Casi mil millones de personas con discapacidades carecen de acceso a la tecnología de asistencia | Noticias ONU. https://news.un.org/es/story/2022/05/1508712
Wodon, Q., Male, C., Montenegro, C., & Nayihouba, A. (2018). The Challenge of Inclusive Education in Sub-Saharan Africa. The Challenge of Inclusive Education in Sub-Saharan Africa. https://doi.org/10.1596/31005
Özkil, A. G., Fan, Z., Dawids, S., Klæstrup Kristensen, J., Christensen, K. H., & Aanæs, H. (2009). Service Robots for Hospitals: A Case Study of Transportation Tasks in a Hospital. In Proceesings of 2009 IEEE International Conference on Automation and Logistics IEEE. https://doi.org/10.1109/ICAL.2009.5262912
de la República, C. (1346). Ley 1346 de 2009 ­- Convención sobre los Derechos de las Personas con Discapacidad.
Morales, L. N., & Rotela, C. A. (2019). Types of disabilities in a community of Caazapá. Anales de La Facultad de Ciencias Médicas (Asunción), 52(3), 69–76. https://doi.org/10.18004/anales/2019.052.03.69-076
Alzate, C., César, J., Perea, C., & Santiago, A. (2020). Boletines Poblacionales: Personas con Discapacidad-PCD 1 Oficina de Promoción Social.
Boletín Técnico (GEIH). (2022). Mercado laboralde personas condiscapacidadTrimestremóvilenero-marzo2022.
Trujillo U, E. (2014). El problema hospitalario. Revista Facultad Nacional de Salud Pública. Retrieved from https://www.redalyc.org/articulo.oa?id=12058127002
Alonso-Valerdi, L. M., Arreola-Villarruel, M. A., Argüello-García, J., Alonso-Valerdi, L. M., Arreola-Villarruel, M. A., & Argüello-García, J. (2019). Interfaces Cerebro-Computadora: Conceptualización, Retos de Rediseño e Impacto Social. Revista Mexicana de Ingeniería Biomédica, 40(3), 1–18. https://doi.org/10.17488/RMIB.40.3.8
Gómez Acosta, Juan José Medina Mendoza, Angélica Cortez Rodríguez, Jenny Carolina Romero Correa, O.P. Fray Juan Pablo Ayala Cárdenas, Margarita María López, & Luisa. (2015). Proyección Social USTA COLOMBIA. http://www.usta.edu.co
I. Moreno, E. Batista, S. Serracín, R. Moreno, L. Gómez, J. Serracín, C. Boya, & J. Quintero. (2019). Vista de Los sistemas de interfaz cerebro-computadora basado en EEG: características y aplicaciones. https://revistas.utp.ac.pa/index.php/id-tecnologico/article/view/2230/3137
Hernandez  Gonzalez, E. M. (2020). MANUAL SISTEMA 10/20 INTERNACIONAL ANEXO.
En, S., Educación, L. A., Sciotto, E. A., & Niripil, E. B. (2018). ONDAS CEREBRALES, CONCIENCIA Y COGNICIÓN.
Olabe, X. B. (2008). REDES NEURONALES ARTIFICIALES Y SUS APLICACIONES.
Ashish Patil. (2019). History of Artificial Neural Network and Deep Learning | by Ashish Patil | Medium. https://medium.com/@ashishpatil199199/history-of-artificial-neural-network-and-deep-learning-b5f6cb0c296b
Smagulova, K., & James, A. P. (2019). A survey on LSTM memristive neural network architectures and applications. In European Physical Journal: Special Topics (Vol. 228, Issue 10, pp. 2313–2324). Springer Verlag. https://doi.org/10.1140/epjst/e2019-900046-x
Guevara M.A, Sanz-Martín A, Corsi-Cabrera M, Amezcua-Gutiérrez C, & Hernández-González M. (2010). CHECASEN: programa para revisar señales EEG fuera de línea: Vol. XXXI. www.medigraphic.org.mxwww.medigraphic.org.mx
Torres, F., Sánchez, C., & Palacio-Baus, K. (2014). Adquisición y análisis de señales cerebrales utilizando el dispositivo MindWave. www.neurosky.com
Antonio Torres García, A., Alberto Reyes García, C., Luis Villaseñor Pineda, I., & Gregorio García Aguilar, I. (2016). Análisis y clasificación de electroencefalogramas (EEG) registrados durante el habla imaginada.
David, I. J., & Galeano, A. (2021). Sistema BCI basado en el control de un brazo robótico de 6 grados de libertad para el tratamiento del TDAH.
Aggarwal, S., & Chugh, N. (2022). Review of Machine Learning Techniques for EEG Based Brain Computer Interface. Archives of Computational Methods in Engineering, 29, 3001–3020. https://doi.org/10.1007/s11831-021-09684-6
Blasi Sanchiz, A., & Fonollosa Magrinya, J. (2021). Diseño de un modelo Deep Learning de clasificación de imágenes para la detección de la neumonía MEMORIA.
Cao, Z. (2020). A review of artificial intelligence for EEG‐based brain−computer interfaces and applications. Brain Science Advances, 6(3), 162–170. doi:10.26599/BSA.2020.9050017
Roesler,Oliver. (2013). EEG Eye State. UCI Machine Learning Repository. https://doi.org/10.24432/C57G7J.
Mexson Fernandes, Sandeep Kumar Singh, Kaustubh Prabhu, & Dinesh Sharma. (2021). GitHub - MexsonFernandes/EEG-controlled-Robot-using-Neurosky-Mindwave-Mobile2: Mobile Robot controlled using Neurosky Mindwave headset. https://github.com/MexsonFernandes/EEG-controlled-Robot-using-Neurosky-Mindwave-Mobile2#readme
Toapanta, D. (2018). DESARROLLO DE UNA SILLA DE RUEDAS ELÉCTRICA CONTROLADO POR ONDAS CEREBRALES USANDO EL DISPOSITIVO NEUROSKY MINDWAVE MOBILE 2 AUTOR: CRISTIAN DANIEL TOAPANTA VEGA TUTOR: Mg. RENÉ ERNESTO CORTIJO LEYVA.
Mohit Agarwal. (2023). GitHub - meagmohit/EEG-Datasets: A list of all public EEG-datasets. Retrieved July 11, 2023, from https://github.com/meagmohit/EEG-Datasets
Kanoga, S., Nakanishi, M., & Mitsukura, Y. (2016). Assessing the effects of voluntary and involuntary eyeblinks in independent components of electroencephalogram. Neurocomputing, 193, 20–32. doi:10.1016/j.neucom.2016.01.057
R. Cooper, J. W. O. J. C. S. (1974). EEG Technology - Google Libros. https://books.google.com.co/books?hl=es&lr=&id=Zgg6AwAAQBAJ&oi=fnd&pg=PP1&dq=eeg&ots=tVc1KA7o2Z&sig=wnbeU4z9SEtJNihlzf7QkSANU7g&redir_esc=y#v=onepage&q=eeg&f=false
NeuroSky. (n.d.). MindWave Mobile 2: User Guide.
Janiesch, C., Zschech, P., & Heinrich, K. (2021). Machine learning and deep learning. https://doi.org/10.1007/s12525-021-00475-2/Published
Alberto Ruiz Marta Susana Basualdo Autor, C., & Jorge Matich, D. (2001). Cátedra: Informática Aplicada a la Ingeniería de Procesos-Orientación I Redes Neuronales: Conceptos Básicos y Aplicaciones.
@inproceedings{Fedjaev2017DecodingEB, title={Decoding EEG Brain Signals using Recurrent Neural Networks}, author={Juri Fedjaev and J{\"o}rg Conradt}, year={2017}, url={https://api.semanticscholar.org/CorpusID:52263680} }
Arana, C. (2021). REDES NEURONALES RECURRENTES: ANÁLISIS DE LOS MODELOS ESPECIALIZADOS EN DATOS SECUENCIALES. www.cema.edu.ar/publicaciones/doc_trabajo.html
Bueno, F. (2019). Redes Neuronales: Entrenamiento y Comportamiento.
Cañadas Ruben. (2021). Redes neuronales recurrentes | Qué son las RNN. https://abdatum.com/tecnologia/redes-neuronales-recurrentes
Pérez Guerrero Sevilla, J., de, J., por, T., & Pino Mejías, R. (2020). REDES RECURRENTES.
Brownlee Disclaimer, J. (2017). Long Short-Term Memory Networks With Python Develop Sequence Prediction Models With Deep Learning.
García, C. (2013). ROS: Robot Operating System.
Jorge Tonda Quesada. (2017). Captura_visualizacion_y_seguimiento_de_Objetos_TONDA_QUESADA_JORGE. Universidad de Alicante.
Şule, V. (2021). ROS 101. https://medium.com/move-on-ai/ros-101-30b8ca5c0c7a
Corredor Camargo, O. F., Pedraza Martinez, L. F., & Hernandez, C. A. (2009). TECNOLOGÍA BLUETOOTH: ALTERNATIVA PARA REDES CELULARES DE VOZ Y DATOS BLUETOOTH TECHNOLOGY: ALTERNATIVE TO CELLULAR NETWORKS OF VOICE AND DATA Palabras clave.
Shaw, R., Mohanty, C., Patra, B. K., & Pradhan, A. (2023). 1D Multi-Point Local Ternary Pattern: A Novel Feature Extraction Method for Analyzing Cognitive Engagement of students in Flipped Learning Pedagogy. Cognitive Computation, 15(4), 1243–1256. https://doi.org/10.1007/s12559-022-10023-5
sahil. (2017). lihas/NeuroPy: NeuroPy library written in python to connect, interact and get data from neurosky’s MindWave EEG headset. https://github.com/lihas/NeuroPy
SAA BELTRÁN, M. P. (2023). APRENDIZAJE PROFUNDO PARA LA DETECCIÓN DE CAÍDAS EN PERSONAS VULNERABLES. Universidad Santo Tómas.
Aldebaran. (n.d.). Motors — Aldebaran 2.4.3.28-r2 documentation. Retrieved July 4, 2023, from http://doc.aldebaran.com/2-4/family/pepper_technical/motors_pep.html
Varela, M. (2015). Raw EEG signal processing for BCI control based on voluntary eye blinks. 2015 IEEE Thirty Fifth Central American and Panama Convention (CONCAPAN XXXV), 1–6. doi:10.1109/CONCAPAN.2015.7428477
Martínez Burgos, J. S. (2023). JohanSMB/DESARROLLO-DE-UN-SISTEMA-BCI-BASADO-EN-EL-DISPOSITIVO-MINDWAVE-MOBILE-2: DESARROLLO DE UN SISTEMA BCI BASADO EN EL DISPOSITIVO MINDWAVE MOBILE 2 PARA EL CONTROL DE LAS FUNCIONES DE MOVIMIENTO DEL ROBOT PEPPER. https://github.com/JohanSMB/DESARROLLO-DE-UN-SISTEMA-BCI-BASADO-EN-EL-DISPOSITIVO-MINDWAVE-MOBILE-2/tree/master
Luna-Guevara Gerardo, M., & Sánchez David, H. (2013). ANALISIS MULTIRESOLUCION EN SEÑALES DE ELECTROENCEFALOGRAMA CON APLICACIONES AL MAPEO CEREBRAL. VALIDACION: EVENTO VASCULAR CEREBRAL.
Alzahab, N. A., Apollonio, L., Di Iorio, A., Alshalak, M., Iarlori, S., Ferracuti, F., … Porcaro, C. (2021). Hybrid Deep Learning (hDL)-Based Brain-Computer Interface (BCI) Systems: A Systematic Review. Brain Sciences, 11(1). doi:10.3390/brainsci11010075
Cristian, G. L. (2008). Dialnet-AnalisisDeReduccionDeRuidoEnSenalesEegOrientadoAlR-5062974.
dc.rights.*.fl_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.local.spa.fl_str_mv Abierto (Texto Completo)
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Abierto (Texto Completo)
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.coverage.campus.spa.fl_str_mv CRAI-USTA Bogotá
dc.publisher.spa.fl_str_mv Universidad Santo Tomás
dc.publisher.program.spa.fl_str_mv Pregrado Ingeniería Electrónica
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería Electrónica
institution Universidad Santo Tomás
bitstream.url.fl_str_mv https://repository.usta.edu.co/bitstream/11634/57371/6/2024cartadefacultad.pdf.jpg
https://repository.usta.edu.co/bitstream/11634/57371/7/2024johanmartinez.pdf.jpg
https://repository.usta.edu.co/bitstream/11634/57371/1/2024cartadederechosdeautor.pdf
https://repository.usta.edu.co/bitstream/11634/57371/2/2024cartadefacultad.pdf
https://repository.usta.edu.co/bitstream/11634/57371/3/2024johanmartinez.pdf
https://repository.usta.edu.co/bitstream/11634/57371/5/license.txt
https://repository.usta.edu.co/bitstream/11634/57371/4/license_rdf
bitstream.checksum.fl_str_mv 80f835fabcbde15861e68db75e7ff6dc
e168d9a839c88cdb79424171597ed97c
0b143a546274d76f091bfe63a1f3e156
4743d86e6022f08f7ac57f4ac0ba621a
2be9c0fec4ec9d7c5bee835a2f085466
aedeaf396fcd827b537c73d23464fc27
217700a34da79ed616c2feb68d4c5e06
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Santo Tomás
repository.mail.fl_str_mv repositorio@usta.edu.co
_version_ 1860882123203805184
spelling Mateus Rojas, ArmandoCalderón Chávez, Juan ManuelMartínez Burgos, Johan Sebastiánhttps://orcid.org/0000-0002-2399-4859https://orcid.org/0000-0002-4471-3980https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000680630https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000380938Universidad Santo Tomás2024-09-04T15:08:12Z2024-09-04T15:08:12Z2023Martínez Burgos, J. S. (2023). Desarrollo de un Sistema Bci Basado en el Dispositivo Mindwave Mobile 2 para el Control de las Funciones de Movimiento del Robot Pepper. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.http://hdl.handle.net/11634/57371reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coEl presente proyecto de grado se describe el diseño, implementación y desarrollo de un sistema BCI Brain Computer Interface basado en la recepción de ondas cerebrales el cual dota al robot Pepper de diferentes funcionalidades, permitiendo realizar una interacción inalámbrica con el entorno y utilizando al robot como medio de comunicación. El proyecto está enfocado hacia la robótica social y el apoyo a personas en condición de discapacidad las cuales tiene dificultades comunicativas. Para la recepción de ondas se utiliza la diadema MindWave Mobile 2 desarrollada por la empresa Neurosky. Esta diadema permite realizar la toma de muestras de los parpadeos voluntarios, estos parpadeos son clasificados mediante una red neuronal de tipo Long-Short Term Memory (LSTM), la cual es efectiva en entrenamientos de clasificación en series de tiempo. A su vez, el robot Pepper se programó con funcionalidades como el habla correspondiente a una pequeña descripción del proyecto y dos acciones de saludo diferentes, saludo con la mano y apretón de mano. Estas funcionalidades es una muestra de la capacidad de comunicación del robot con el entorno. Por último, se realiza el sistema BCI mediante el entorno ROS Robot Operating System, el cual es un meta sistema operativo diseñado para robots, donde finalmente se obtienen los resultados de la clasificación de los parpadeos y las funcionalidades que adopta el robot dependiendo de los parpadeos voluntarios.The present degree project describes the design, implementation, and development of a BCI system based on the reception of brain waves which enables the functionalities of the Pepper robot, allowing wireless interaction with the environment and using the robot as a means of communication. The project is focused on social robotics and support for people with disabilities who have communication difficulties. For the reception of waves, the MindWave Mobile 2 headband developed by the company Neurosky is used. This headband allows sampling of voluntary blinks, these blinks are classified using a Long-Short Term Memory (LSTM) neural network, which is effective in time series classification training. In turn, the Pepper robot was programmed with different corresponding speech functionalities a short description of the project and two different greeting actions, thus demonstrating communication with the robot’s communication with the robot’s environment. Finally, the BCI system is carried out through the ROS environment, which is a meta operating system designed for robots, where finally the results of the classification of the blinks and the functionalities that the robot adopts depending on the voluntary blinks are obtained.Ingeniero ElectronicoPregradoapplication/pdfspaUniversidad Santo TomásPregrado Ingeniería ElectrónicaFacultad de Ingeniería ElectrónicaAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Desarrollo de un Sistema Bci Basado en el Dispositivo Mindwave Mobile 2 para el Control de las Funciones de Movimiento del Robot PepperBCIEEGPepperMindWave Mobile 2BlinksIngeniería ElectrónicaDiseño-RobotOndas cerebralesInteracción inalámbricaBCIEEGPepperLSTMMindWave Mobile 2ParpadeosTrabajo de gradoinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA BogotáCazorla, Q. M. Á., & Gómez, D. R. F. (2019). Escuela Politécnica Superior Reconocimiento de emociones humanas y su aplicación a la Robótica Social. Escuela Politécnica Superior.Ignacio González Burgos, David González Tapia, & Nallely Vázquez Hernández. (2021). Actividad motora: Una aproximación integral. Retrieved August 25, 2022, from https://books.google.com.co/books?hl=es&lr=&id=DgBMEAAAQBAJ&oi=fnd&pg=PA307&dq=discapacidades+motoras+ejemplos&ots=GdMqieZQ3c&sig=nwF722nV3-skAAvgUWUxFC707NM&redir_esc=y#v=onepage&q&f=falseXu, M., He, F., Jung, T. P., Gu, X., & Ming, D. (2021). Current Challenges for the Practical Application of Electroencephalography-Based Brain–Computer Interfaces. In Engineering (Vol. 7, Issue 12, pp. 1710–1712). Elsevier Ltd. https://doi.org/10.1016/j.eng.2021.09.011Felipe, A., & Fernández, R. (2020). Herramienta para la generación de texto basada en una interfaz cerebro-computador.Camilo, C., & Castañeda, C. (2015). Ros-Gazebo. una Valiosa HeRRamienta de VanGuaRdia paRa el desarrollo de la Robótica Ros-Gazebo. a Valuable Tool 0f aVanT-edGe foR The deVelopmenT of RoboTics.Naciones Unidas. (2022). Objetivos de Desarrollo Sostenible (ODS) | Comisión Económica para América Latina y el Caribe. https://www.cepal.org/es/temas/agenda-2030-desarrollo-sostenible/objetivos-desarrollo-sostenible-odsONU. (2022). Casi mil millones de personas con discapacidades carecen de acceso a la tecnología de asistencia | Noticias ONU. https://news.un.org/es/story/2022/05/1508712Wodon, Q., Male, C., Montenegro, C., & Nayihouba, A. (2018). The Challenge of Inclusive Education in Sub-Saharan Africa. The Challenge of Inclusive Education in Sub-Saharan Africa. https://doi.org/10.1596/31005Özkil, A. G., Fan, Z., Dawids, S., Klæstrup Kristensen, J., Christensen, K. H., & Aanæs, H. (2009). Service Robots for Hospitals: A Case Study of Transportation Tasks in a Hospital. In Proceesings of 2009 IEEE International Conference on Automation and Logistics IEEE. https://doi.org/10.1109/ICAL.2009.5262912de la República, C. (1346). Ley 1346 de 2009 ­- Convención sobre los Derechos de las Personas con Discapacidad.Morales, L. N., & Rotela, C. A. (2019). Types of disabilities in a community of Caazapá. Anales de La Facultad de Ciencias Médicas (Asunción), 52(3), 69–76. https://doi.org/10.18004/anales/2019.052.03.69-076Alzate, C., César, J., Perea, C., & Santiago, A. (2020). Boletines Poblacionales: Personas con Discapacidad-PCD 1 Oficina de Promoción Social.Boletín Técnico (GEIH). (2022). Mercado laboralde personas condiscapacidadTrimestremóvilenero-marzo2022.Trujillo U, E. (2014). El problema hospitalario. Revista Facultad Nacional de Salud Pública. Retrieved from https://www.redalyc.org/articulo.oa?id=12058127002Alonso-Valerdi, L. M., Arreola-Villarruel, M. A., Argüello-García, J., Alonso-Valerdi, L. M., Arreola-Villarruel, M. A., & Argüello-García, J. (2019). Interfaces Cerebro-Computadora: Conceptualización, Retos de Rediseño e Impacto Social. Revista Mexicana de Ingeniería Biomédica, 40(3), 1–18. https://doi.org/10.17488/RMIB.40.3.8Gómez Acosta, Juan José Medina Mendoza, Angélica Cortez Rodríguez, Jenny Carolina Romero Correa, O.P. Fray Juan Pablo Ayala Cárdenas, Margarita María López, & Luisa. (2015). Proyección Social USTA COLOMBIA. http://www.usta.edu.coI. Moreno, E. Batista, S. Serracín, R. Moreno, L. Gómez, J. Serracín, C. Boya, & J. Quintero. (2019). Vista de Los sistemas de interfaz cerebro-computadora basado en EEG: características y aplicaciones. https://revistas.utp.ac.pa/index.php/id-tecnologico/article/view/2230/3137Hernandez  Gonzalez, E. M. (2020). MANUAL SISTEMA 10/20 INTERNACIONAL ANEXO.En, S., Educación, L. A., Sciotto, E. A., & Niripil, E. B. (2018). ONDAS CEREBRALES, CONCIENCIA Y COGNICIÓN.Olabe, X. B. (2008). REDES NEURONALES ARTIFICIALES Y SUS APLICACIONES.Ashish Patil. (2019). History of Artificial Neural Network and Deep Learning | by Ashish Patil | Medium. https://medium.com/@ashishpatil199199/history-of-artificial-neural-network-and-deep-learning-b5f6cb0c296bSmagulova, K., & James, A. P. (2019). A survey on LSTM memristive neural network architectures and applications. In European Physical Journal: Special Topics (Vol. 228, Issue 10, pp. 2313–2324). Springer Verlag. https://doi.org/10.1140/epjst/e2019-900046-xGuevara M.A, Sanz-Martín A, Corsi-Cabrera M, Amezcua-Gutiérrez C, & Hernández-González M. (2010). CHECASEN: programa para revisar señales EEG fuera de línea: Vol. XXXI. www.medigraphic.org.mxwww.medigraphic.org.mxTorres, F., Sánchez, C., & Palacio-Baus, K. (2014). Adquisición y análisis de señales cerebrales utilizando el dispositivo MindWave. www.neurosky.comAntonio Torres García, A., Alberto Reyes García, C., Luis Villaseñor Pineda, I., & Gregorio García Aguilar, I. (2016). Análisis y clasificación de electroencefalogramas (EEG) registrados durante el habla imaginada.David, I. J., & Galeano, A. (2021). Sistema BCI basado en el control de un brazo robótico de 6 grados de libertad para el tratamiento del TDAH.Aggarwal, S., & Chugh, N. (2022). Review of Machine Learning Techniques for EEG Based Brain Computer Interface. Archives of Computational Methods in Engineering, 29, 3001–3020. https://doi.org/10.1007/s11831-021-09684-6Blasi Sanchiz, A., & Fonollosa Magrinya, J. (2021). Diseño de un modelo Deep Learning de clasificación de imágenes para la detección de la neumonía MEMORIA.Cao, Z. (2020). A review of artificial intelligence for EEG‐based brain−computer interfaces and applications. Brain Science Advances, 6(3), 162–170. doi:10.26599/BSA.2020.9050017Roesler,Oliver. (2013). EEG Eye State. UCI Machine Learning Repository. https://doi.org/10.24432/C57G7J.Mexson Fernandes, Sandeep Kumar Singh, Kaustubh Prabhu, & Dinesh Sharma. (2021). GitHub - MexsonFernandes/EEG-controlled-Robot-using-Neurosky-Mindwave-Mobile2: Mobile Robot controlled using Neurosky Mindwave headset. https://github.com/MexsonFernandes/EEG-controlled-Robot-using-Neurosky-Mindwave-Mobile2#readmeToapanta, D. (2018). DESARROLLO DE UNA SILLA DE RUEDAS ELÉCTRICA CONTROLADO POR ONDAS CEREBRALES USANDO EL DISPOSITIVO NEUROSKY MINDWAVE MOBILE 2 AUTOR: CRISTIAN DANIEL TOAPANTA VEGA TUTOR: Mg. RENÉ ERNESTO CORTIJO LEYVA.Mohit Agarwal. (2023). GitHub - meagmohit/EEG-Datasets: A list of all public EEG-datasets. Retrieved July 11, 2023, from https://github.com/meagmohit/EEG-DatasetsKanoga, S., Nakanishi, M., & Mitsukura, Y. (2016). Assessing the effects of voluntary and involuntary eyeblinks in independent components of electroencephalogram. Neurocomputing, 193, 20–32. doi:10.1016/j.neucom.2016.01.057R. Cooper, J. W. O. J. C. S. (1974). EEG Technology - Google Libros. https://books.google.com.co/books?hl=es&lr=&id=Zgg6AwAAQBAJ&oi=fnd&pg=PP1&dq=eeg&ots=tVc1KA7o2Z&sig=wnbeU4z9SEtJNihlzf7QkSANU7g&redir_esc=y#v=onepage&q=eeg&f=falseNeuroSky. (n.d.). MindWave Mobile 2: User Guide.Janiesch, C., Zschech, P., & Heinrich, K. (2021). Machine learning and deep learning. https://doi.org/10.1007/s12525-021-00475-2/PublishedAlberto Ruiz Marta Susana Basualdo Autor, C., & Jorge Matich, D. (2001). Cátedra: Informática Aplicada a la Ingeniería de Procesos-Orientación I Redes Neuronales: Conceptos Básicos y Aplicaciones.@inproceedings{Fedjaev2017DecodingEB, title={Decoding EEG Brain Signals using Recurrent Neural Networks}, author={Juri Fedjaev and J{\"o}rg Conradt}, year={2017}, url={https://api.semanticscholar.org/CorpusID:52263680} }Arana, C. (2021). REDES NEURONALES RECURRENTES: ANÁLISIS DE LOS MODELOS ESPECIALIZADOS EN DATOS SECUENCIALES. www.cema.edu.ar/publicaciones/doc_trabajo.htmlBueno, F. (2019). Redes Neuronales: Entrenamiento y Comportamiento.Cañadas Ruben. (2021). Redes neuronales recurrentes | Qué son las RNN. https://abdatum.com/tecnologia/redes-neuronales-recurrentesPérez Guerrero Sevilla, J., de, J., por, T., & Pino Mejías, R. (2020). REDES RECURRENTES.Brownlee Disclaimer, J. (2017). Long Short-Term Memory Networks With Python Develop Sequence Prediction Models With Deep Learning.García, C. (2013). ROS: Robot Operating System.Jorge Tonda Quesada. (2017). Captura_visualizacion_y_seguimiento_de_Objetos_TONDA_QUESADA_JORGE. Universidad de Alicante.Şule, V. (2021). ROS 101. https://medium.com/move-on-ai/ros-101-30b8ca5c0c7aCorredor Camargo, O. F., Pedraza Martinez, L. F., & Hernandez, C. A. (2009). TECNOLOGÍA BLUETOOTH: ALTERNATIVA PARA REDES CELULARES DE VOZ Y DATOS BLUETOOTH TECHNOLOGY: ALTERNATIVE TO CELLULAR NETWORKS OF VOICE AND DATA Palabras clave.Shaw, R., Mohanty, C., Patra, B. K., & Pradhan, A. (2023). 1D Multi-Point Local Ternary Pattern: A Novel Feature Extraction Method for Analyzing Cognitive Engagement of students in Flipped Learning Pedagogy. Cognitive Computation, 15(4), 1243–1256. https://doi.org/10.1007/s12559-022-10023-5sahil. (2017). lihas/NeuroPy: NeuroPy library written in python to connect, interact and get data from neurosky’s MindWave EEG headset. https://github.com/lihas/NeuroPySAA BELTRÁN, M. P. (2023). APRENDIZAJE PROFUNDO PARA LA DETECCIÓN DE CAÍDAS EN PERSONAS VULNERABLES. Universidad Santo Tómas.Aldebaran. (n.d.). Motors — Aldebaran 2.4.3.28-r2 documentation. Retrieved July 4, 2023, from http://doc.aldebaran.com/2-4/family/pepper_technical/motors_pep.htmlVarela, M. (2015). Raw EEG signal processing for BCI control based on voluntary eye blinks. 2015 IEEE Thirty Fifth Central American and Panama Convention (CONCAPAN XXXV), 1–6. doi:10.1109/CONCAPAN.2015.7428477Martínez Burgos, J. S. (2023). JohanSMB/DESARROLLO-DE-UN-SISTEMA-BCI-BASADO-EN-EL-DISPOSITIVO-MINDWAVE-MOBILE-2: DESARROLLO DE UN SISTEMA BCI BASADO EN EL DISPOSITIVO MINDWAVE MOBILE 2 PARA EL CONTROL DE LAS FUNCIONES DE MOVIMIENTO DEL ROBOT PEPPER. https://github.com/JohanSMB/DESARROLLO-DE-UN-SISTEMA-BCI-BASADO-EN-EL-DISPOSITIVO-MINDWAVE-MOBILE-2/tree/masterLuna-Guevara Gerardo, M., & Sánchez David, H. (2013). ANALISIS MULTIRESOLUCION EN SEÑALES DE ELECTROENCEFALOGRAMA CON APLICACIONES AL MAPEO CEREBRAL. VALIDACION: EVENTO VASCULAR CEREBRAL.Alzahab, N. A., Apollonio, L., Di Iorio, A., Alshalak, M., Iarlori, S., Ferracuti, F., … Porcaro, C. (2021). Hybrid Deep Learning (hDL)-Based Brain-Computer Interface (BCI) Systems: A Systematic Review. Brain Sciences, 11(1). doi:10.3390/brainsci11010075Cristian, G. L. (2008). Dialnet-AnalisisDeReduccionDeRuidoEnSenalesEegOrientadoAlR-5062974.THUMBNAIL2024cartadefacultad.pdf.jpg2024cartadefacultad.pdf.jpgIM Thumbnailimage/jpeg6738https://repository.usta.edu.co/bitstream/11634/57371/6/2024cartadefacultad.pdf.jpg80f835fabcbde15861e68db75e7ff6dcMD56open access2024johanmartinez.pdf.jpg2024johanmartinez.pdf.jpgIM Thumbnailimage/jpeg6804https://repository.usta.edu.co/bitstream/11634/57371/7/2024johanmartinez.pdf.jpge168d9a839c88cdb79424171597ed97cMD57open accessORIGINAL2024cartadederechosdeautor.pdf2024cartadederechosdeautor.pdfapplication/pdf195480https://repository.usta.edu.co/bitstream/11634/57371/1/2024cartadederechosdeautor.pdf0b143a546274d76f091bfe63a1f3e156MD51metadata only access2024cartadefacultad.pdf2024cartadefacultad.pdfapplication/pdf845722https://repository.usta.edu.co/bitstream/11634/57371/2/2024cartadefacultad.pdf4743d86e6022f08f7ac57f4ac0ba621aMD52metadata only access2024johanmartinez.pdf2024johanmartinez.pdfapplication/pdf21881094https://repository.usta.edu.co/bitstream/11634/57371/3/2024johanmartinez.pdf2be9c0fec4ec9d7c5bee835a2f085466MD53open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/57371/5/license.txtaedeaf396fcd827b537c73d23464fc27MD55open accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repository.usta.edu.co/bitstream/11634/57371/4/license_rdf217700a34da79ed616c2feb68d4c5e06MD54open access11634/57371oai:repository.usta.edu.co:11634/573712024-09-05 03:11:07.803metadata only accessRepositorio Universidad Santo Tomásrepositorio@usta.edu.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

Publicaciones similares