Brain computer interface: a possible approach for design

Home / Notizie / Brain computer interface: a possible approach for design

BRAIN COMPUTER INTERFACE: A POSSIBLE APPROACH FOR DESIGN

. Authors: Amleto Picerno Ceraso, Amedeo di Marco, Nicola de Santis
. In collaboration with: Mediterranean FabLab e Hex Dev
. Program: Rhinoceros, Grasshopper, Thinkdear

Il documento che segue ha come obiettivo quello di indagare alcuni possibili approcci in cui i device BCI sono utilizzati come strumenti di ricerca per il design.
L’intento ha un carattere duplice: il primo è quello di verificare una metodologia di utilizzo di questi strumenti per la generazione e manipolazione morfologica di oggetti comuni. Il secondo si spinge verso l’ideazione di nuovi oggetti e devices che ovviamente hanno radici in un immaginario di cose che già conosciamo ma che attraverso le possibilità offerte dall’utilizzo delle bci ne implementano possibili funzioni.

Introduzione

Un’interfaccia cervello-computer (in inglese, Brain-Computer Interface, abbreviato in BCI, o anche Brain Machine Interface, BMI) è un sistema di comunicazione in cui l’attività elettrica dell’encefalo, che le persone normalmente producono per percepire il mondo esterno ed interagire con esso, viene letta grazie ad uno strumento posto sulla calotta cranica ed indirizzata verso sistemi di computazione che hanno il compito di visualizzarla o di attuare specifiche operazioni. Questo tipo di lettura è conosciuta normalmente come elettroencefalogramma (EEG), diffusosi sin dal 1929, anno in cui il medico tedesco Hans Berger per primo rileva una differenza di potenziale elettrico tra alcuni elettrodi posti sul cuoio capelluto di un paziente. Dunque, la normale EEG rileva la frequenza (Hz) e l’ampiezza (mV) delle onde generate dai campi elettrici presenti nell’encefalo. Tali campi fluiscono in direzione perpendicolare rispetto allo scalpo grazie ad ammassi colonnari di neuroni corticali, orientati anch’essi perpendicolarmente rispetto alla superficie della corteccia cerebrale. I valori di frequenza e ampiezza, così rilevati, consentono di individuare differenti ritmi d’onde: alfa, beta, delta, teta, gamma. La variazione di tali onde si correla specificamente a eventi fisiologici (emozioni, attività, concentrazione, sonno, stimolazioni sensoriali etc.). L’interpretazione e l’analisi di un tracciato EEG si basa sullo studio e la codificazione dei suddetti parametri.

I ritmi EEG possono essere suddivisi generalmente in cinque categorie distinte:

Ritmi Alpha: distinto in alfa lento (8-9 Hz), alfa intermedio (9-11 Hz) e alfa rapido (11.5-13 Hz), con una tensione media di 30 microVolt.
 Si rileva in uno stato di coscienza a riposo, poiché sono caratteristiche delle condizioni di veglia, per cui non sono presenti nel sonno (fatta eccezione per lo stadio REM). Al contrario, quando un soggetto è sottoposto a un’attività cerebrale leggermente maggiore comincia a registrarsi la presenza del ritmo beta.

Ritmi Beta: distinto in beta lento (13.5-18 Hz) e beta rapido (18.5-30 Hz), ed evidenziano una tensione elettrica media di 19 microVolt.
 Si rilevano in uno stato di coscienza di veglia e sono in stretta correlazione con l’attività di pensiero superiore, quando focalizziamo l’attenzione o ci impegniamo nella soluzione di un problema.

Ritmi Theta: distinto in theta lento (4-6 Hz) e theta rapido (6-7.5 Hz), con una tensione media di 75 microVolt. Si rileva soprattutto in uno stato di preconscio.

Ritmi Delta: hanno una frequenza compresa tra 0.5 e 4 Hz e di tensione elettrica media di 150 microVolt.
 Si rileva in uno stato di inconscio e compaiono soprattutto durante lo stato di sonno N-REM (non REM, senza sogni).

Ritmi Gamma: hanno una frequenza maggiore di 30 Hz con una tensione elettrica tra 1 e 20 microVolt. Indicano una corteccia altamente attivata.

 Strumenti

. BCI

Per il rilevamento dei ritmi cerebrali è stato utilizzato un caschetto Mind Wave della NeuroSky capace di leggere:

  • segnali Raw-grezzi;
  • elaborare le onde Alpha, Beta, Theta, Delta, Gamma;
  • elaborare e processare attraverso un algoritmo proprietario “eSense” dati riguardanti gli stati d’attenzione e di meditazione.
  • Blink degli occhi;

Il caschetto è in grado di rilevare l’attività elettrica dell’encefalo e di inviare i dati al computer attraverso una porta bluetooth. La Neurosky inoltre fornisce alcuni software che permettono di visualizzare le onde attraverso infografiche dinamiche ed altri che stimolano l’attività cerebrale con giochi di abilità e concentrazione.

Per quel che concerne l’attendibilità in termini di precisione del segnale rilevato o esattezza del tipo di segnale, non abbiamo abbastanza elementi per esprimere una valutazione. Resta il fatto che, attraverso confronti con la comunità scientifica in ambito medico da noi attivati, sono emersi notevoli dubbi sulla qualità generale di tali strumenti, indipendenti dall’azienda produttrice, che ci hanno fatto desistere dal considerare i test che abbiamo portato avanti come documentazione con valenza strettamente scientifica.

. Software di lettura ed invio dati

La lettura dei dati attraverso il sistema della NeuroSky è possibile grazie ad un software proprietario Thinkgear che fa da ponte tra i segnali che arrivano sulla bluetooth ed i software per la visualizzazione dei ritmi EEG. Per la manipolazione di questi dati in un ambiente di editazione grafica di algoritmi come Grasshopper (plug in di Rhinoceros 3D) è stato deciso di sviluppare un software ad hoc che facesse da ponte.
Nicola De Santis e Amedeo Di Marco hanno sviluppato inizialmente un prototipo implementato nel linguaggio C# che facesse da ponte tra una periferica e Grasshopper. L’applicazione C# battezzata BCIBridge, scritta per il Framework 4.5, utilizzava la libreria ThinkGear (thinkgear.dll) fornita dalla NeuroSky per permettere alle applicazioni .Net di comunicare con il device.

brai computer interface_medaarch

Verificati i dati ricevuti dal device è stata utilizzata una connessione UDP per inviare i dati letti in Grasshopper. Dopo aver testato l’applicazione, gli sviluppatori hanno iniziato in parallelo la costruzione del componente BCIProcessing per Grasshopper e di una nuova versione di BCIBridge.

Attualmente la suite che include sia l’applicazione che il componente è stata rilasciata in versione 1.0.0.9, licenza freeware.

I componenti presenti in BCIProcessing, realizzati in C# (Framework 4.5), sono in grado di:

• raccogliere le informazioni direttamente da una periferica Mindset collegata su porta COM
• raccogliere le informazioni da un’istanza del BCIBridge
• elaborare le informazioni
• spedire i dati acquisiti ed elaborati ad altri Host utilizzando un protocollo UDP.

La Release 1.0.0.9 di BCIBridge è in grado di:

• inviare i dati ricevuti da una periferica Mindset a diversi Host presenti sulla rete
• creare dei file cvs contenenti un log dei dati ricevuti dalla periferica

Qui il link al download della suite: http://www.medaarch.com/download/

. Software di Manipolazione e gestione dati

Come software di manipolazione e gestione dati si è scelto di utilizzare Grasshopper, Plug in di Rhinoceros3d, editor grafico di algoritmi capace di avere una gestione buona dei dati rivelati dalla BCI sia per modellazione di oggetti 3d sia per la costruzione di sistemi di visualizzazione dei dati stessi.

Possibili Protocolli di approccio al Design attraverso BCI

Per protocolli intendiamo l’individuazione di “input”, “output” e “tramite” per la narrazione dei differenti processi progettuali ipotizzati. Per input consideriamo i ritmi EEG captati dalla MindWave, comuni a tutti i protocolli; per tramite invece consideriamo un oggetto o un dispositivo grazie al quale si rende possibile il trasferimento dei dati emozionali; mentre l’output è il risultato del processo.
Ecco una mappa dei possibili protocolli: http://www.mindmeister.com/383009449/mindwave“Grafico ricerca”

Protocollo1.1

Input: ritmi EEG / Tramite: oggetto / Output (di tipo visivo-tattile):oggetto

immagini760x286_articolo-01

In tale sistema l’interazione di valori emozionali legati ai dati MindWave si basa su caratteristiche scelte quali il colore, il materiale, la texture e forma dell’oggetto, opportunamente messe a sistema in una definizione in Grasshopper, capace di leggere i ritmi EEG in un intervallo di tempo prestabilito e trasferirli alla superficie dell’oggetto.
Per ognuna di queste caratteristiche è prevista una scala strettamente connessa ai ritmi EEG rilevati, mediante la quale è possibile assegnare un apposito valore al parametro corrispondente dell’oggetto.
Nello specifico: il colore ha una variazione tonale dal bianco al nero; il materiale varia su una scala relativa alle proprietà di lavorazione dello stesso;
 la texture varia la densità della struttura del materiale;
 la forma varia su una scala di regolarità e linearità della superficie.

L’output sarà un solo oggetto, composto dalla presenza simultanea (in percentuale) di materiali, colori, texture e forme derivanti dai valori emozionali, rilevati dai ritmi EEG, che, per le proprie caratteristiche, sarà capace di trasferire (mediante vista e tatto) i valori emozionali dell’utente1 all’utente2. Tuttavia, le scale corrispondenti ai valori emozionali sono soggettive. Ad esempio, non necessariamente un oggetto dalla texture molto densa restituisce tranquillità a tutti gli utenti.
Utilizzando questo sistema, quindi, la restituzione dei dati emozionali dell’utente 1 diventa difficile se l’utente 2 non conosce i valori corrispondenti alle scale.

Protocollo 1.2

Input: ritmi EEG / Tramite: oggetto / Output: software

brain computer interface_medaarch

Registrando l’attività cerebrale dell’utente1, il dispositivo è collegato a software capaci di importare e leggere i dati della MindWave e di applicarli alla superficie del modello, mediante la traslazione degli enti geometrici fondamentali lungo coordinate prestabilite.
 In questo modo è possibile progettare oggetti che posseggano caratteristiche scaturite dai valori emozionali dell’utente.

L’utente2 può eseguire una scansione dell’oggetto (se realizzato) mediante scanner3D e applicare il passaggio inverso: dalla superficie restituita in un software di modellazione, e conoscendo la scala dei valori utilizzati per modellare l’oggetto, può risalire allo stato emozionale dell’utente1.

Protocollo1.3

Input: ritmi EEG / Tramite: dispositivo / Output: Mindwave

brai computer interface_medaarch

La restituzione dei dati emozionali è possibile con un’interfaccia computer-cervello non invasiva affiancata all’interfaccia cervello – computer già esistente, in modo tale che lo stesso strumento possa leggere dati sia in ingresso che in uscita. Esperimenti e ricerche a riguardo forniscono ottimi risultati:
. qui un primo esempio di esperimento: http://www.plosone.org/article/info:doi/10.1371/journal.pone.0060410#abstract0
. secondo esempio di esperimento: http://neurogadget.com/2012/11/22/cockroach-leg-controlled-by-human-brain-via-emotiv-epoc-video/6215

Protocollo1.4

Input: ritmi EEG / Tramite: dispositivo / Output: dispositivo

immagini760x286_articolo-04

La MindWave rileva lo stato emozionale dell’utente1 inviando i dati a un dispositivo esterno capace di leggerli e mantenerli in memoria. Il dispositivo esterno potrebbe comportarsi come un comune dispositivo USB e trasferire i dati dall’utente1 all’utente2.
Un’alternativa a questa, potrebbe essere un dispositivo-camera, ovvero, rilevato un determinato valore emozionale superiore al valore standard, il dispositivo scatta foto (o video), lasciando l’utente libero di vivere appieno l’emozione del momento: http://www.dezeen.com/2014/02/05/neurocam-headset-by-neurowear-automatically-records-interesting-moments/

E’ necessario un dispositivo che rilevi i dati come una normale MindWave ma che sia meno ingombrante e soprattutto di semplice e di immediato utilizzo.

Protocollo1.5

Input: ritmi EEG / Tramite: dispositivo / Output: suono

immagini760x286_articolo-05

Registrando l’attività cerebrale connessa ai dati relativi alle reazioni emotive dell’utente1, il dispositivo connesso alla MindWave restituisce suoni (playlist) coerenti con lo stato emotivo dell’utente: http://neurowear.com/projects_detail/mico.html.

Tuttavia il sistema si propone di produrre un “cambio di playlist” ad un eventuale cambiamento di umore. Di seguito un esempio di restituzione di onde sonore: http://www.youtube.com/watch?v=PgfxKZiSCDQ.

Protocollo1.6

Input: ritmi EEG / Tramite: dispositivo / Output: immagini

brain computer interface_medaarch

Registrando l’attività cerebrale, che l’utente ha quando visualizza un database di immagini, si crea un linguaggio base riconosciuto dal dispositivo capace così di connettere in modo univoco una determinata attività cerebrale ad una immagine precisa: http://gallantlab.org/index.html.

Tuttavia la codificazione di un database di immagini definito ed esaustivo risulta di difficile applicazione poichè non tutti gli utenti reagiscono allo stesso modo visualizzando la medesima immagine.

Protocollo1.7

Input: ritmi EEG / Tramite: dispositivo / Output: modulazione oggetto

immagini760x286_articolo-07

Possiamo far riferimento sia a BCI dipendenti che BCI indipendenti.
Nel primo caso la generazione del segnale EEG dipende dai normali percorsi di output del cervello, e quindi il trasferimento del messaggio a nervi periferici e muscoli. Con questa tipologia di BCI è possibile “muovere” l’oggetto e conferire numerose conformazioni (es: alzare lo schienale di una seduta).
La BCI sostituisce nervi, muscoli e movimenti che questi producono, con segnale elettrofisiologico, hardware e software, traducendo questo segnale in azioni. I normali output neuromuscolari del cervello si basano essenzialmente sul feedback.
 Tutte le normali azioni come camminare, cantare, danzare ecc. richiedono, per la loro acquisizione e successivo mantenimento, dei continui aggiustamenti basati sul monitoraggio dei risultati intermedi e finali. Quando il feedback è assente dall’inizio, le capacità motorie non si sviluppano in modo appropriato e quando il feedback è perso le abilità si deteriorano.
 Un’operazione BCI di successo richiede che l’utente sviluppi e mantenga nel tempo una nuova abilità che consiste non nel controllo dei propri muscoli ma nel controllo di specifici segnali elettrofisiologici, in modo che le BCI possano tradurre questo segnale in un output che rispecchi l’intenzione iniziale dell’utente. 
Per ovviare a questo problema si potrebbe far riferimento alla tecnica dell’elettromiografia; quando i nostri muscoli si contraggono, producono alcuni microvolt di attività elettrica, e i sensori posti all’intero dell’apparecchio riescono ad amplificare la registrazione del segnale, che è poi inviata a un processore interno che esegue algoritmi di apprendimento automatico.

Nel secondo caso la generazione del segnale EEG non dipende dai normali percorsi di output del cervello, ma l’oggetto avrà conformazioni diverse strettamente legate all’umore dell’utente1 (es: cambio colore, modifica superficie).

Sostanzialmente nel primo caso, da una forma iniziale di base, lastessa cambia ed “evolve” a seconda dei comandi specifici dettati dall’utente, nel secondo caso, invece, a partire da una forma iniziale di base, la forma cambia ed “evolve” a seconda delle reazioni emotive dell’utente, che vengono monitorate tramite la MindWave.

LE METODOLOGIE

Sono stati usati 3 tipi di metodologie:

– lettura/narrazione: i dati di ogni utente sono relativi ad un solo output.
incremento: ogni utente modifica una parte dello stesso output.
modifica: i dati di ogni utente si sovrappongono per somma dei valori o somma dei valori medi del medesimo output.

immagini760x286_articolo-08

I PROGETTI

1. INSTALLAZIONE SUPERFICIE

Protocollo: 1.5 / 1.7
Metodologia: lettura/narrazione
Attuazione dati: oggetto

immagini760x286_articolo-10

Un numero definito di tasselli sospesi formano una superficie inizialmente piatta. A partire da questa “forma base” la superficie cambia ed “evolve” (forma, colore) in base alle reazioni emotive dell’utente che vengono monitorate tramite MindWave.
Il processo di manipolazione dei dati consente di generare un movimento dei tasselli, che costituiscono la superficie, lungo le coordinate x, y, z, in base ai valori dei ritmi EEG rilevati, modificandone allo stesso tempo il colore.

Traducendo, inoltre, i ritmi EEG in suoni si produce una diretta interazione sonoro-visiva con il pubblico e quindi il trasferimento dei valori emozionali dell’utente1 ad altri.

2. INSTALLAZIONETEXTURE

Protocollo: 1.5 / 1.7
METODOLOGIA: incremento o modifica
ATTUAZIONE DATI: oggetto unico per tutti gli utenti

immagini760x286_articolo-11

Il progetto prevede la proiezione dall’alto di una texture su una superficie calpestabile ed utilizza gli stessi sistemi del progetto precedente impiegando una metodologia e un’ attuazione dati differenti. Ogni utente, indossando una MindWave, invia i propri valori relativi ai singoli ritmi EEG ad una comune definizione in Grasshopper che permette la manipolazione dei dati.
Le linee della texture trasleranno lungo le coordinate x, y, z, a seconda del movimento e dei valori del singolo utente, mentre il blink regolerà la vibrazione delle stesse. In questo modo il dinamismo della texture è generato dall’effettivo movimento degli utenti, producendo un’interazione visiva e/o sonora qualora fosse prevista una traduzione delle onde in suono.

3. EMOZIONI IN UN AMBIENTE

Protocollo:
METODOLOGIA: lettura/narrazione
ATTUAZIONE DATI: –

brain computer interface_medaarch

L’attenzione alla dimensione emozionale e relazionale all’interno di un ambiente di lavoro è indispensabile per promuovere un clima sereno e favorevole ai processi di produzione. Il valore emotivo include autocontrollo, entusiasmo, perseveranza e capacità di auto-motivarsi all’interno dell’ambiente lavorativo. 
Il progetto si propone di rilevare in un tempo definito (es. una settimana) il grado emozionale di ciascun professionista all’interno di un ambiente lavorativo durante l’arco della giornata, in modo da favorire la consapevolezza dello stesso e poter calibrare il processo emozionale legato al fabbisogno dei professionisti.

4. PROGETTAZIONE EMOZIONALE

Protocollo: 1.1 / 1.2
METODOLOGIA: lettura / narrazione
ATTUAZIONE DATI: oggetto con funzione definita

brain computer interface_medaarch

Tralasciando per scelta i valori relativi alle onde alpha, beta, gamma, delta e theta, prendiamo in esame solo i valori derivanti dall’attenzione e dalla meditazione rilevati dalla MindWave. 
Entrambi, a differenza dei casi precedenti, sono messi a sistema regolando le caratteristiche di colore, materiale, texture e forma dell’oggetto secondo una scala definita in base alle relative proprietà.

immagini760x286_articolo-14

Se, ad esempio, i dati rilevati dalla MindWave sono:
 attenzione 2 – meditazione 8
, secondo le scale assegnate, l’oggetto sarà composto per l’80% da meteallo e per il 20% da legno e avrà come risultato degli altri valori una percentuale derivante dalla media degli stessi.

Tuttavia a seconda della scelta delle scale e della modalità di assegnazione dei valori, l’output può avere caratteristiche molto differenti.

5. PROGETTO RETE FABLAB

Protocollo: 1.2


METODOLOGIA: Lettura/Narrazione o incremento o modifica ATTUAZIONE DATI: oggetto unico per tutti gli utenti

immagini760x286_articolo-15

Partendo da un file “base” e considerando scale comuni in relazione ai valori emozionali, si arriva alla condivi- sione di una rete di progetti con un comune denominatore: MindWave. 
Il dispositivo, registrando l’attività cerebrale dell’utente1, il dispositivo è collegato a software capaci di impor- tare e leggere i dati della MindWave e di applicare i dati ricevuti al modello. In questo modo è possibile progettare oggetti che posseggono caratteristiche scaturite dai valori emozionali dell’utente e che potrebbero essere realizzati grazie alle tecnologie proprie dei Fab Lab (3d Print, laser cutter, fresa, vinyl cutter, plotter cut, etc).

L’utente2 partendo dalla superficie restituita in un software di modellazione e conoscendo la scala dei valori utilizzata per modellare l’oggetto, può sia risalire allo stato emozionale dell’utente1 e sia applicare una o più metodologie proposte, progettando lo stesso oggetto (ma non necessariamente) con caratteristiche scaturite dai propri valori emozionali in relazione con quelli degli altri.

L’utente3 può effettuare lo stesso passaggio, dando vita ad una vera e propria rete di condivisione FabLab. In questo caso i valori derivanti dai ritmi EEG non hanno una destinazione predefinita (es: vedi progetto1: alpha è associato ad un singolo vettore), ma possono interagire indifferentemente con vettori e/o colore a seconda dell’obiettivo prefissato.

6. PROGETTO PLAYLIST

Protocollo: 1.5
METODOLOGIA: lettura/narrazione ATTUAZIONE DATI: dispositivo

brain computer interface_medaarch

Sulla scia di MICO, il primo headset capace di leggere lo stato emozionale e selezionare la musica più adatta e, pensando ad una estensione del social spotify (e/o simili), il progetto punta alla condivisione delle proprie emozioni mediante l’ascolto di brani musicali.
 Registrando l’attività cerebrale connessa a dati relativi a reazioni emotive dell’utente, il dispositivo restituisce suoni (playlist) coerenti con lo stato emotivo dell’utente (cambio di umore= cambio playlist) non per scelta razionale.

Questo sistema, esteso ad una community più ampia, è in grado di produrre una rete di comunicazione se l’utente2 può visualizzare in tempo reale cosa l’utente1 sta ascoltando, deducendone lo stato emotivo secondo la metodologia della lettura/narrazione.

7. PROGETTO DISPOSITIVO

protocollo: 1.4
METODOLOGIA: lettura/narrazione
ATTUAZIONE DATI: dispositivo

immagini760x286_articolo-17

Il progetto di propone di realizzare un dispositivo capace di registrare i dati dell’utente1 e trasferirli all’utente2 senza l’utilizzo di dispositivo-pc e o simili. Inoltre il sistema si propone di indurre le emozioni dell’utente1 all’utente2, trasferendole direttamente ai ricettori cerebrali, senza l’aiuto di vista, tatto o parola.

PROGETTI ESEMPLIFICATIVI SUDDIVISI PER METODOLOGIA

1. BRACCIALE_realizzato da Andre Graziano e Amleto Picerno Ceraso per il workshop eMOTIONAL design 

immagini760x286_articolo-18

L’esercizio si basa sulla suddivisione della superficie di un bracciale in parti uguali secondo sezioni trasversali. Ogni sezione reagisce secondo i ritmi EEG di un solo utente, registrati in un intervallo di tempo definito. 
La definizione in Grasshopper permette di individuare e registrare (per scelta) solo i valori relativi dei ritmi EEG ritenuti determinanti in questo caso specifico: high alfa, high beta, high gamma e theta.

Per comparazione è possibile individuare i valori emozionali dell’utente relativi ai diversi intervalli di tempo.

immagini760x286_articolo-19

2 DEFORMAZIONE SFERA
Autore Rossella notari

immagini760x286_articolo-20

Partendo da una geometria primitiva (sfera), per facilità di intuizione delle possibilità derivanti da questa tecnologia, dimostriamo come dalla lettura delle onde cerebrali é possibile svolgere un esercizio di form finding.
 In questo caso texture, vettori, spessore texture e densità texture sono i parametri che dialogheranno direttamente con i valori emozionali, deformando la sfera.

Costruita una definizione in Grasshopper, è stata applicata una scala di valori variabili in corrispondenza dei valori scelti determinata dai valori rilevati dalla MindWave.
 Siamo nell’ambito della metodologia “modifica” quindi la forma sarà il risultato dei valori emozionali degli utenti che ne prenderanno parte; ogni utente indossa la MindWave per un arco di tempo variabile, e la definizione Grasshopper, permettendo la registrazione dei valori, calcola la media aritmetica dei valori emozionali per ogni singolo utente, apportando modifiche alla geometria relativamente ai parametri scelti.

Modello Deformazione sfera: https://p3d.in/AUTDK+wire+spin/wire+subd+spin

immagini760x286_articolo-21

immagini760x286_articolo-22

3 COPROGETTAZIONE

Questo esercizio è basato sull’idea di coprogettazione. Per facilitare la comparazione tra i risultati dei diversi utenti, consideriamo un oggetto modulare. Ciò non esclude la possibilità di utilizzare la stessa metodologia per un unico oggetto non modulare, ma suddiviso in sezioni.

immagini760x286_articolo-23

 Come nel caso precedente, l’oggetto finale sarà il risultato dei valori emozionali degli utenti che ne prenderanno parte: ogni utente indossa la MindWave per un arco di tempo variabile, e la definizione in Grasshopper, permettendo la registrazione dei dati, calcola la media aritmetica dei valori emozionali per ogni singolo utente.

A differenza dell’esercizio precedente, i dati di ogni utente non verranno sovrapposti, ma deformeranno una singola cellula dell’oggetto. Con questa metodologia i risultati degli utenti risultano essere facilmente comparabili.

immagini760x286_articolo-24

Modello Coprogettazione – gioiello modulare https://p3d.in/NrD0O+wire+spin/wire+spin

immagini760x286_articolo-22 immagini760x286_articolo-25

4 Neuro empathic design

L’obiettivo dell’esperimento è quello di indurre uno stato d’empatia tra due soggetti.
L’output si sostanzia nella modifica live di un oggetto, che successivamente verrà stampato. L’oggetto cambia la sua morfologia solo quando i livelli di attenzione e meditazione dei due soggetti sono allineati. In questo modo l’esperimento spinge i due partecipanti a leggersi a vicenda cercando di “sentire” l’altro.

immagini760x286_articolo-26

La ricerca proposta in questo documento è stata sviluppata da Rossella Notari all’interno del Mediterranean FabLab, e coordinata da Amleto Picerno Ceraso. Si ringraziano tutte le persone della Medaarch ed in particolar modo Andrea Graziano, di Co-de-iT per averci introdotto all’argomento e per la guida che sempre ci offre.
Un grazie sentito va anche ad Amedeo di Marco e Nicola de Santis per lo sviluppo del software di bridging e, inoltre, per il supporto allo sviluppo della ricerca.

per articolo

NEURO EMPATHIC DESIGN verrà esposto alla Maker Faire Rome dal 3 al 5 ottobre 2014, come progetto di ricerca della Medaarch sviluppato all’interno del Mediterranean FabLab.

Il contenuto e le immagini di questo documento sono utilizzabili solo con permesso dell’autore e a condizione che l’autore originale e la fonte siano citati.
Copyright © 2014 Credits: progetto in collaborazione tra la Medaarch e Hex Dev, sviluppato all’interno del Mediterranean FabLab
Autori: Rossella Notari, Amleto Picerno Ceraso, Amedeo Di Marco, Nicola De Santis

—————————————————————————————————————————————

BIBLIOGRAFIA

– Vassanelli Stefano – “Monitoraggio dell’attività cerebrale tramite Brain Computer Interface (BCI)” – Tesi di laurea in ingegneria biomedica – 2013

http://www.cultor.org/Colore/PC.html – “La teoria dei colori” – Walter Graff – ultima visita 2.05.2014

– http://www.plosone.org/article/info:doi/10.1371/journal.pone.0060410#abstract0
“Non-Invasive Brain-to-Brain Interface (BBI): Establishing Functional Links between Two Brains” – Yoo S-S,

Kim H, Filandrianos E, Taghados SJ, Park S (2013) – ultima visita 2.05.2014

– http://neurogadget.com/2012/11/22/cockroach-leg-controlled-by-human-brain-via-emotiv-epoc-video/6215 “Cockroach leg controlled by human brain via emotiv epoc” – Thinker Thing – ultima visita 2.05.2014

http://it.wikipedia.org/wiki/Caratteristiche_dei_materiali – “Le caratteristiche dei materiali” – Wikipedia – ultima visita 2.05.2014

 http://www.dezeen.com/2014/02/05/neurocam-headset-by-neurowear-automatically-records-interesting-moments/ “Neurocam headset automatically records interesting moments” – ultima visita 2.05.2014

http://neurowear.com/projects_detail/mico.html – “MICO” – neurowear- ultima visita 2.05.2014
- 5 http://www.youtube.com/watch?v=PgfxKZiSCDQ – “DJ Fresh & Mindtunes: A track created only by the mind” – ultima visita 2.05.2014

http://gallantlab.org/index.html – “human brain activity – imagine” – Università di Berkeley – ultima visita 2.05.2014

– http://idea.me/proyectos/343/themonsterdreamer?siteLang=en_US – “The Monster Dreamer” – Thinker Thing – ultima visita 2.05.2014

– http://www.dezeen.com/2014/02/03/brain-manufacturing-mri-scans-perfect-design-merel-bekking/ “Brain scans reveal recipe for perfect design” – Merel Bekking – ultima visita 2.05.2014

– http://www.tecnocino.it/2014/01/articolo/lettore-ebook-indossabile-per-entrare-nella-storia/45491/ “Lettore ebook indossabile per “entrare” nella storia” – MIT Boston – ultima visita 2.05.2014

Articoli simili