用腦波和手勢控製機器人

       讓機器人做事並不容易：科學家通常要麽(me) 明確地對它們(men) 進行編程，要麽(me) 讓他們(men) 了解人類如何通過語言進行交流。

       但是，如果我們(men) 能夠使用手勢和腦波更直觀地控製機器人呢?

       由麻省理工學院計算機科學與(yu) 人工智能實驗室(CSAIL)的研究人員帶頭組建的新係統旨在實現這一目標，使用戶能夠立即糾正機器人的錯誤，隻需要大腦信號和手指輕彈。

       基於(yu) 團隊過去的工作重點是簡單的二元選擇活動，新工作將範圍擴展到多項任務，為(wei) 人類工作者如何管理機器人團隊開辟了新的可能性。

       通過監測大腦活動，係統可以實時檢測一個(ge) 人在機器人完成任務時是否注意到錯誤。使用測量肌肉活動的界麵，該人然後可以進行手勢滾動並選擇正確的選項供機器人執行。

       該團隊演示了一個(ge) 任務，其中機器人將電鑽移動到模擬平麵主體(ti) 上的三個(ge) 可能目標之一。重要的是，他們(men) 表明該係統適用於(yu) 以前從(cong) 未見過的人，這意味著組織可以在真實環境中部署它，而無需在用戶上進行訓練。

       “這項將EEG和EMG反饋結合起來的工作使得自然的人機交互能夠實現比我們(men) 在僅(jin) 使用EEG反饋之前能夠做的更廣泛的應用程序，”負責監督工作的CSAIL主管Daniela Rus說。“通過包含肌肉反饋，我們(men) 可以使用手勢在空間上指揮機器人，具有更多的細微差別和特異性。”博士候選人Joseph DelPreto與(yu) Rus，前CSAIL博士後Andres F. Salazar-Gomez，前CSAIL研究科學家Stephanie Gil，研究學者Ramin M. Hasani和波士頓大學教授Frank H. Guenther一起撰寫(xie) 了關(guan) 於(yu) 該項目的論文的第一作者。該論文將在下周在匹茲(zi) 堡舉(ju) 行的機器人：科學與(yu) 係統(RSS)會(hui) 議上發表。

       直觀的人機交互

       在大多數以前的工作中，當人們(men) 訓練自己以非常具體(ti) 但任意的方式“思考”並且係統接受這些信號訓練時，係統通常隻能識別腦信號。例如，人類操作員可能必須在訓練期間查看對應於(yu) 不同機器人任務的不同光顯示。

       毫不奇怪，這種方法難以讓人們(men) 可靠地處理，特別是如果他們(men) 在需要高度集中的建築或導航等領域工作。與(yu) 此同時，羅斯的團隊利用了被稱為(wei) “錯誤相關(guan) 電位”(ErrPs)的大腦信號的力量，研究人員發現，當人們(men) 注意到錯誤時，這些信號自然會(hui) 發生。如果有ErrP，係統會(hui) 停止，以便用戶可以糾正它;如果沒有，它繼續。

       “這種方法的優(you) 點在於(yu) ，沒有必要培訓用戶以規定的方式思考，”DelPreto說。“機器適應你，而不是相反。”對於(yu) 該項目，該團隊使用了來自Rethink Robotics的人形機器人“Baxter”。在人工監督下，機器人從(cong) 70%的時間選擇正確的目標到超過97%的時間。為(wei) 了創建該係統，該團隊利用腦電圖(EEG)的功能進行大腦活動和肌肉活動的肌電圖(EMG)，在用戶的頭皮和前臂上放置一係列電極。

這兩(liang) 個(ge) 指標都存在一些個(ge) 別缺點：EEG信號並不總是可靠地檢測到，而EMG信號有時難以映射到比“向左或向右移動”更具體(ti) 的運動。然而，合並這兩(liang) 者可以實現更強大的生物傳(chuan) 感，並使係統無需培訓即可在新用戶上工作。

       “通過觀察肌肉和大腦的信號，我們(men) 可以開始接受一個(ge) 人的自然姿勢以及他們(men) 對某些事情是否出錯的快速判斷，”DelPreto說。“這有助於(yu) 與(yu) 機器人進行溝通，更像是與(yu) 他人溝通。”該團隊表示他們(men) 可以想象該係統有一天對老年人或語言障礙或行動不便的工人有用。“我們(men) 希望擺脫人們(men) 必須適應機器限製的世界，”羅斯說。“像這樣的方法表明，開發機器人係統是非常可能的，這是我們(men) 更自然，更直觀的延伸。”