讓機器人做事并不容易：科學(xué)家通常要么明確地對它們進(jìn)行編程，要么讓他們了解人類如何通過語言進(jìn)行交流。

       但是，如果我們能夠使用手勢和腦波更直觀地控制機器人呢?

       由麻省理工學(xué)院計算機科學(xué)與人工智能實驗室(CSAIL)的研究人員帶頭組建的新系統(tǒng)旨在實現(xiàn)這一目標(biāo)，使用戶能夠立即糾正機器人的錯誤，只需要大腦信號和手指輕彈。

       基于團隊過去的工作重點是簡單的二元選擇活動，新工作將范圍擴展到多項任務(wù)，為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(jiān)測大腦活動，系統(tǒng)可以實時檢測一個人在機器人完成任務(wù)時是否注意到錯誤。使用測量肌肉活動的界面，該人然后可以進(jìn)行手勢滾動并選擇正確的選項供機器人執(zhí)行。

       該團隊演示了一個任務(wù)，其中機器人將電鉆移動到模擬平面主體上的三個可能目標(biāo)之一。重要的是，他們表明該系統(tǒng)適用于以前從未見過的人，這意味著組織可以在真實環(huán)境中部署它，而無需在用戶上進(jìn)行訓(xùn)練。

       “這項將EEG和EMG反饋結(jié)合起來的工作使得自然的人機交互能夠?qū)崿F(xiàn)比我們在僅使用EEG反饋之前能夠做的更廣泛的應(yīng)用程序，”負(fù)責(zé)監(jiān)督工作的CSAIL主管Daniela Rus說。“通過包含肌肉反饋，我們可以使用手勢在空間上指揮機器人，具有更多的細(xì)微差別和特異性。”博士候選人Joseph DelPreto與Rus，前CSAIL博士后Andres F. Salazar-Gomez，前CSAIL研究科學(xué)家Stephanie Gil，研究學(xué)者Ramin M. Hasani和波士頓大學(xué)教授Frank H. Guenther一起撰寫了關(guān)于該項目的論文的第一作者。該論文將在下周在匹茲堡舉行的機器人：科學(xué)與系統(tǒng)(RSS)會議上發(fā)表。

       直觀的人機交互

       在大多數(shù)以前的工作中，當(dāng)人們訓(xùn)練自己以非常具體但任意的方式“思考”并且系統(tǒng)接受這些信號訓(xùn)練時，系統(tǒng)通常只能識別腦信號。例如，人類操作員可能必須在訓(xùn)練期間查看對應(yīng)于不同機器人任務(wù)的不同光顯示。

       毫不奇怪，這種方法難以讓人們可靠地處理，特別是如果他們在需要高度集中的建筑或?qū)Ш降阮I(lǐng)域工作。與此同時，羅斯的團隊利用了被稱為“錯誤相關(guān)電位”(ErrPs)的大腦信號的力量，研究人員發(fā)現(xiàn)，當(dāng)人們注意到錯誤時，這些信號自然會發(fā)生。如果有ErrP，系統(tǒng)會停止，以便用戶可以糾正它;如果沒有，它繼續(xù)。

       “這種方法的優(yōu)點在于，沒有必要培訓(xùn)用戶以規(guī)定的方式思考，”DelPreto說。“機器適應(yīng)你，而不是相反。”對于該項目，該團隊使用了來自Rethink Robotics的人形機器人“Baxter”。在人工監(jiān)督下，機器人從70%的時間選擇正確的目標(biāo)到超過97%的時間。為了創(chuàng)建該系統(tǒng)，該團隊利用腦電圖(EEG)的功能進(jìn)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系列電極。

這兩個指標(biāo)都存在一些個別缺點：EEG信號并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”更具體的運動。然而，合并這兩者可以實現(xiàn)更強大的生物傳感，并使系統(tǒng)無需培訓(xùn)即可在新用戶上工作。

       “通過觀察肌肉和大腦的信號，我們可以開始接受一個人的自然姿勢以及他們對某些事情是否出錯的快速判斷，”DelPreto說。“這有助于與機器人進(jìn)行溝通，更像是與他人溝通。”該團隊表示他們可以想象該系統(tǒng)有一天對老年人或語言障礙或行動不便的工人有用。“我們希望擺脫人們必須適應(yīng)機器限制的世界，”羅斯說。“像這樣的方法表明，開發(fā)機器人系統(tǒng)是非常可能的，這是我們更自然，更直觀的延伸。”