MIT研发出脑控机器人：可使用脑波为机器人纠错

本篇文章2497字，读完约6分钟

在未来，最不可避免的话题是人工智能。

这篇文章是由机器之心授权的我黑马发表的。

为了让机器人按照人类的想法行动，它们必须理解我们。在许多情况下，这意味着不得不做出妥协:例如，教机器科学去理解人类语言的奥秘，给他们特定任务的特定指令。

然而，如果我们能开发一个类似于人类自然延伸的机器人，这样他们就能按照我们的想法自由移动，那会怎么样呢？

麻省理工学院和波士顿大学的计算机科学和人工智能实验室团队正在解决这个问题。他们创造了一个反馈系统，允许人类只用大脑快速纠正机器人犯的错误。麻省理工学院开发的反馈系统使人类操作员能够仅通过大脑信号实时纠正机器人做出的选择。

利用脑电图(egg)检测器(用于记录大脑活动)的输出数据，当机器人执行某个目标分类任务时，系统可以识别人类是否已经注意到机器人犯了错误。这个团队开发的新机器学习算法可以帮助系统对10到30微秒空.之间的脑电波进行分类

虽然该系统目前只能处理相对简单的两种选择，但这篇论文的资深作者说，这项研究表明，有一天，人类能够以更直观的方式控制机器人。

“想象一下，你可以告诉机器人快速完成某件事，而不需要输入命令、按下按钮或发出口头命令。csail的主管Daniela rus说:“这种高效的解决方案将增强人类管理工厂机器人、无人驾驶汽车和其他尚未发明的技术的能力。”ゥ

在这项研究中，该小组使用了一个“巴克斯特”人形机器人。机器人制造商正在重新思考机器人技术，它的领导者是罗德尼布鲁克斯(rodney brooks)，csail的前董事和irobot的联合创始人。

本文的作者是波士顿大学的博士生Andres F. Salazar-Gomez，csail的博士生joseph delpreto和csail的斯蒂芬妮吉尔。讲师是罗斯和波士顿大学的弗兰克·昆特。本文已被今年5月在新加坡举行的ieee机器人和自动化国际会议所接受。

通过直觉与机器人互动

过去，脑电图控制的机器人要求人类以计算机可识别的固定方式“思考”。例如，一个操作员面前有两个明亮的灯，他必须看着其中一个灯来使机器执行特定的工作，因为每个明亮的灯都与机器人的特定任务相关。

这种方法的缺点是训练过程和模拟人的思维活动非常费时费力，特别是对于那些监督航海和建筑工作的人来说，因为这些任务需要高强度的注意力。

罗斯的团队想让整个过程更加自然。为了实现这个目标，他们把注意力集中在一个叫做错误相关电位(errp)的大脑信号上，每当我们的大脑意识到一个错误时，就会产生这个信号。当机器人给出它想要做出的选择时，系统将使用errp信号来判断人类是否同意机器的决定。

罗斯说:“当你看着这个机器人时，你所需要做的就是同意或不同意它在你的大脑中做什么。”“你不必训练自己用某种方式去思考，我们的机器会适应你，而不是反过来。ゥ

大脑中的errp信号非常弱，这意味着必须对系统进行足够的调整，使其不仅能对这些信号进行分类，还能在反馈回路中与人类操作员合作。除了对errp信号的主要检测，当系统没有意识到来自人类的纠错信号时，该小组还要求机器检测所谓的“次要错误”。

吉尔说:“如果机器人不确定自己的决定，它可以触发人类的反馈机制，以获得更准确的答案。”“这些信号可以有效地提高准确性，并在人与机器之间创造一个持续沟通和相互决策的对话过程。ゥ

虽然系统仍不能实时识别第二类误差信号，但吉尔希望模型在识别出信号后，能提高90%的精度。

此外，由于errp信号的强度已被证明显示了机器人的错误有多严重，该团队相信未来的系统可以扩展到更复杂的多选项任务。

Salazar-gomez指出，该系统甚至适用于那些不能进行口头交流的人:拼写等任务可以通过一系列离散的二进制选择来完成，salazar-gomez将其与一种高级版本的眨眼机制相比较，后者允许中风患者jean-dominique bauby撰写回忆录《le scaphandre et le乳头状》

弗莱堡大学的计算机教授wolfram burgard(他没有参与这项研究)说:“这项工作使我们离开发有效的大脑控制机器人和假肢的目标又近了一步。”“考虑到将人类语言翻译成有意义的机器可读信号极其困难，这一领域的工作将对未来的人机合作产生深远的影响。ゥ

该项目的部分资金来自波音公司和国家科学基金会。以下是原始论文的摘要介绍:

主题:使用脑电图信号实时纠正机器人的错误

通过人类合作者的大脑活动与机器人交流可以提供一个直接快速的反馈回路。对于人类合作者来说，这种交流方式简单而自然，这使得根据直觉与机器人互动不再是梦。本文探讨了将errp应用于闭环机器人控制的方法。Errp信号对机器人任务特别有用，因为它们自然出现在大脑对意外错误做出反应的过程中。我们解码errp信号的过程中，人类操作员控制一个反思机器人巴克斯特机器人，以实时完成两个项目的选择任务。我们还表明，利用闭环机器人任务中产生的与潜在误差相关的二次交互信号，可以大大提高机器人的分类任务性能，这也为机器人获取人类反馈提供了一种新的手段。我们详细描述了整个系统的设计和应用，并给出了实时闭环和开环控制的实验结果，以及一次和二次(errp)信号的离线分析。我们使用一般人群的受试者来完成实验任务，这些受试者以前没有接受过训练或筛选。因此，本研究证实了基于egg的回路方法的潜力，该方法有望实现机器人的无缝控制，并朝着实时直观交互的目标迈进了一步。

图1:基于对观察者脑电图信号的实时解码，机器人被告知它的第一个动作是错误的，它将根据适当的物体类别做出正确的选择

图4:该系统包括一个主实验控制器、巴克斯特机器人和一个脑电图采集和分类系统。arduino系统在控制器和脑电图系统之间传递信息。机械连接开关检测机械臂的启动。

图6:在初级脑电图数据缓冲器中识别errp的各种预处理和分类阶段。这个决定会立即影响机器人的行为，而机器人的行为会影响脑电图信号，从而形成一个闭环的反馈回路。

原始链接:news.mit.edu/2017/brain-controlled-robots-0306

来源：搜狐微门户