我们通过解码用户如何看待环境以了解他们想要在哪里导航其移动设备的方式，率先开发了“随处可见”即“随处可见”方法来控制移动平台。但是，许多自然的眼动与动作意图解码无关，只有一些自然的眼动与所谓的“ Midas触摸问题”有关，这给解码带来了挑战。在这里，我们提出了一种新的解决方案，其中包括：1.深入的计算机视觉，以了解用户在其视野中正在查看的对象，2.分析用户在对象边界框上的什么位置，3。使用简单的机器学习分类器来确定对对象的明显视觉关注是否可以预测到该对象的导航意图。我们的解码系统最终确定用户是否要开车例如 一扇门或只是看着它。至关重要的是，我们发现，当用户看着一个物体并想象他们正朝着该物体运动时，从该运动图像（类似于神经界面）产生的眼睛运动仍可解码。一旦检测到驾驶意图并因此检测到位置，我们的系统就会指示我们的自主轮椅平台A.Eye-Drive导航到所需对象，同时避免静态和移动障碍物。因此，出于导航目的，我们已经实现了认知级别的人机界面，因为它只需要用户与预期目标进行认知交互，而不是持续将轮椅推向目标（低级别人机界面）。由此运动图像产生的眼睛运动（类似于神经界面）仍可解码。一旦检测到驾驶意图并因此检测到位置，我们的系统就会指示我们的自主轮椅平台A.Eye-Drive导航到所需对象，同时避免静态和移动障碍物。因此，出于导航目的，我们已经实现了认知级别的人机界面，因为它只需要用户与预期目标进行认知交互，而不是持续将轮椅推向目标（低级别人机界面）。由此运动图像产生的眼睛运动（类似于神经界面）仍可解码。一旦检测到驾驶意图并因此检测到位置，我们的系统就会指示我们的自主轮椅平台A.Eye-Drive导航到所需对象，同时避免静态和移动障碍物。因此，出于导航目的，我们已经实现了认知级别的人机界面，因为它只需要用户与预期目标进行认知交互，而不是持续将轮椅推向目标（低级别人机界面）。



"点击查看英文标题和摘要"