用腦波和手勢控制機器人

讓機器人做事并不容易：通常科學家要么明確地對它們進行編程，要么讓它們了解人類如何通過語言進行交流。

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?

由麻省理工學院計算機科學與人工智能實驗室(CSAIL)的研究人員帶頭組建的新系統旨在實現這一目標，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，為人類工作者如何管理機器人團隊開辟了新的可能性。

通過監測大腦活動，系統可以實時檢測一個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面，該人然后可以進行手勢滾動并選擇正確的選項供機器人執行。

該團隊演示了一個任務，其中機器人將動力鉆移動到模擬飛機主體上的三個可能目標之一。重要的是，他們表明該系統適用于以前從未見過的人，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在僅使用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Rus，前CSAIL博士后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一起撰寫了關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：科學與系統(RSS)會議上發表。

直觀的人機交互

在大多數以前的工作中，當人們訓練自己以非常具體但任意的方式“思考”并且系統接受這些信號訓練時，系統通常只能識別腦信號。例如，人類操作員可能必須在訓練期間查看對應于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可靠地處理，特別是如果他們在需要高度集中的建筑或導航等領域工作。

與此同時，羅斯的團隊利用了被稱為“錯誤相關電位”(ErrPs)的大腦信號的力量，研究人員發現，當人們注意到錯誤時，這些信號自然會發生。如果有ErrP，系統會停止，以便用戶可以糾正它; 如果沒有，它繼續。

“這種方法的優點在于，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”。在人工監督下，機器人從70%的時間選擇正確的目標到超過97%的時間。

為了創建該系統，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系列電極。

這兩個指標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更強大的生物傳感，并使系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行通信，更像是與他人溝通。”

該團隊表示，他們可以想象該系統有一天對老年人或語言障礙或行動不便的工人有用。

“我們希望擺脫人們必須適應機器限制的世界，”羅斯說。“像這樣的方法表明，開發機器人系統是非常有可能的，這是我們更自然，更直觀的延伸。”