Teslapathic — Cal Hacks 3.0创建了心灵控制的Tesla Model S(视频) 整个智能汽车阵容获得第四代电驱动技术(包括Smart ForFour) 在美国,加拿大和/或欧洲出售的20辆电动汽车 CleanTechnica的5个新年决议 电动直升机降落 Fastned报告2016年第四季度强劲增长 宝马和福特电动汽车的销售量= 11月宝马和福特美国汽车销售量的6% 宝马着眼于优步市场,开始在慕尼黑测试自动驾驶汽车 通用汽车EV1诞生20周年了,实际变化了多少? 法拉第未来损失了更多的财务麻烦消息之后,法拉第未来损失了两个顶级执行官 清洁技术股权众筹如何运作? 我会做的八件事,以改善日产叶子 Mahindra推出四门“ e2o Plus” — $ 8,100电动汽车 塞尔吉奥·马尔基翁内(Sergio Marchionne):法拉利将在2019年成为混合动力车 北美最大的电动汽车充电计划-优点和缺点 蓝鸟和狮子巴士破获一些令人兴奋的电动校车新闻 全新LEAF黑色版将于2017年3月发售 未命名的公司消息人士称,宝马i3将于2017年面世(前部,后部和后部改进后的范围得到了改进) 到2025年,住宅分布式能源市场总额将达到4230亿美元 电动GT Tesla Model S在赛道上(视频) 特斯拉失去了在密苏里州销售汽车的能力……然后恢复了 优步与戴姆勒合作开发自动驾驶汽车 电子船,有人吗?根据最新研究,到2027年,电动船市场将达到200亿美元 电动雷诺Kangoo ZE Van获得更大的提升(约120英里) 2016年奠定了庞大的清洁技术基金会-在2017年,我们将开始看到美好的结果 特斯拉Model S在行动中前所未有的安全性-撞上卡车拖车,将其举离地面,但驾驶员却独立走开 2015日产聆风—一年回顾 风车,雪佛兰螺栓经销商调查……(本周20大TechTechnica故事) 埃因霍温和赫尔蒙德(荷兰)巴士总动能从12月11日开始 尽管最近人口激增,但丹佛的人口稠密程度仍低于1950年代 特斯拉能否在短短6个月内实现全自动驾驶?(#ElonTweets) 汽油车禁区来德国? 2014年日产LEAF可以说是本质上的“免费汽车”(YMMV!) 安大略省(加拿大)提高电动车回扣的价格上限 NuTonomy将于2016年底在波士顿测试自动驾驶汽车 克莱斯勒Pacifica Hybrid的环境影响比传统车型低31% 比亚迪在加利福尼亚赢得电动客车奖 Espin电动自行车评论:踏板助力 建设气候友好型城市(在工厂中!) 纽约的Citi Bikes正在推广Blaze Laserlight技术 怀俄明州法案将允许汽车制造商直接向客户销售 黑莓与福特合作开发下一代互联汽车 宝马和ReachNow将提供i3作为纽约市的建筑便利设施 特斯拉,雪佛兰螺栓和其他EV的2017年产销量数字—你猜! 特斯拉在Gigafactory生产电池的视频 福特的按需乘车服务扩展到8个新城市 Bollore的BlueCalifornia EV汽车共享计划即将在洛杉矶启动 日产执行:新的LEAF将很快面世(新设计+电池) 特斯拉从贷款人那里获得5亿美元的新借贷能力 NextEV旨在到2019年在美国发布性能特斯拉Model X“便宜”的电动SUV

Teslapathic — Cal Hacks 3.0创建了心灵控制的Tesla Model S(视频)

Teslapathic。那有什么意思?这是加州大学伯克利分校的一个团队Cal Hacks 3.0所使用的术语,该团队共同致力于各种项目,用于他们正在研究的由思想控制的Tesla Model S技术。

该小组创建的程序允许通过使用EEG头戴式受话器和一些专有算法(过分简化)来对Tesla Model S进行一些基本控制,因此使用了“ Teslapathic”。

与其过多地取笑,不如观看下面的视频以更好地了解我在说什么。

因此,该小组的目标是像他们所说的那样“控制特斯拉Model S”。

与其说太多,不如说是该小组自己所做工作的概要(通过Devpost):

tl; dr — EEG头戴式耳机确定用户是在思考“停止”还是“前进”,将其转换为模拟信号,然后通过RC广播进行广播,并通过踏板上的致动器和方向盘上的电动机进行铰接。

Teslapathic由三个主要系统组成:使用OpenBCI进行机器学习,通过Arduino进行数模接口以及硬件控制系统。

OpenBCI:我们创建了一个机器学习训练程序,可以在思考“停止”和“开始”时汇总用户神经活动的平均值。还鼓励用户在创建活动配置文件时给每个命令分配一个物理动作的想法,因为将EEG节点聚焦在大脑的运动皮层周围,同时与期望的命令一起想象物理运动的成功率最高。例如,凯西(Casey)会考虑用右脚踩“ Go”,用左手握紧“ Stop”。采用k近邻算法来减少信号噪声。确定用户的意图后,便会生成相应的变量,并将其传递给Arduino,以转换为模拟信号。

模拟转换:为了使我们的数字系统与我们的模拟硬件进行交互,我们利用了现成的RC无线电-Futaba T9CHP-并利用其训练器功能来实现OpenBCI与驱动硬件之间的通信。通过让Arduino模仿从属无线电发送的PPM时序,T9CHP实际上成为一种模拟直通和传送方法。根据用户的意图来操纵PPM信号,这会导致驱动硬件的铰接。头戴式陀螺仪被串联在Arduino和收音机之间,并导致额外的信号操纵。

硬件控制:线性致动器固定在踏板上,方向盘上装有装有电位计的雨刷电机。“ Go”(以相应的模拟信号的形式)导致制动执行器后退,加速器执行器接合,“ Stop”则相反。陀螺仪的左右移动导致车轮的左右移动。还在读书吗?恭喜你!您是通过我费解的解释才做到的!

安全:我们实施了多种安全措施:如果发生故障,代码的Arduino部分将紧急制动,用户需要握住一个安全开关以使信号广播,我们在加速器后方插入了一个物理块以防止它不会太快,用户可以随时通过无线电进行手动控制,如果所有其他操作都失败,则执行器是压力配合的,因此用户可以将腿伸入驾驶员脚部空间并将其踢离踏板。

有趣的是,该小组指出,对算法进行训练以清楚地区分“ Go”和“ Stop”是一个费力的过程,但他们现在认为它们“已达到很高的准确性”。

对于一个36小时的项目来说还不错。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。