Août 2021 - Neurotechnologies et innovation responsable

Apprendre à contrôler une interface cerveau-ordinateur : le projet BrainConquest

Par Fabien LOTTE, Aurélien APPRIOU, Camille BENAROCH, Pauline DREYER, Alper ER, Thibaut MONSEIGNE, Léa PILLETTE, Smeety PRAMIJ, Sébastien RIMBERT et Aline ROC  
Inria Bordeaux Sud-Ouest, LaBRI (CNRS, Université Bordeaux, Bordeaux INP), Talence

Les interfaces cerveau-ordinateur (ou Brain-Computer Interface – BCI) sont des neurotechnolo­gies très prometteuses pour de nombreuses applications. Mais elles sont actuellement encore in­suffisamment fiables. Les rendre fiables et utilisables nécessite non seulement des améliorations côté machine (par exemple, en améliorant leurs algorithmes d’analyse des signaux cérébraux), mais aussi côté utilisateur. En effet, contrôler une BCI est une compétence qui s’apprend et qui demande de la pratique. Malheureusement, la communauté scientifique comprend encore très mal comment entraîner cette compétence efficacement. Dans cet article, nous présentons les recherches menées dans le cadre du projet BrainConquest, dont l’objectif est justement de com­prendre, de modéliser et d’optimiser cet entraînement utilisateur dans les BCI. Nous illustrons ainsi au travers d’exemples les différents facteurs qui peuvent influencer les performances de contrôle d’une BCI (par exemple, la personnalité de l’utilisateur, ou son état mental), le type de retour perceptif (le feedback) et le type d’exercices d’entraînement qui peuvent être proposés aux utilisateurs, ou encore les applications concrètes de ces entraînements BCI, par exemple des technologies d’assistance ou en matière de rééducation motrice.

Télécharger gratuitement l'article

Retour au sommaire

---

Learning how to control a brain-computer interface: BrainConquest

Fabien Lotte, Aurélien Appriou, Camille Benaroch, Pauline Dreyer, Alper Er, Thibaut Monseigne, Léa Pillette, Smeety Pramij, Sébastien Rimbert and Aline Roc,
INRIA Bordeaux Sud-Ouest, LaBRI (CNRS, Bordeaux University, Bordeaux INP), Talence

Brain-Computer Interfaces (BCI) are very promising neurotechnologies for numerous applications, that are unfortunately not yet reliable enough. Making them reliable and usable would require improvements not only at the machine level (e.g., algorithms for brain signal analysis) but also at the user level. Indeed, controlling a BCI is a skill that needs to be trained and practiced. Unfortunately, the scientific community still poorly understand how to train that skill effectively and efficiently. This chapter presents the research conducted as part of the BrainConquest project, which specifically aims at understanding, modeling and optimizing this user training in BCI. It notably illustrates the factors that can influence BCI control performances (e.g., users’ personality or their mental states), the type of feedback and training exercises that we can provide to users to train them, or concrete applications that can be achieved following that BCI user training, such as BCI-based assistive technologies control or motor rehabilitation.

Retour au sommaire