MIT研发脑控机器人，全新机器学习算法识别脑波只需10ms [社会]

对于让机器人完成我们想要做的事情，它们需要理解我们的命令才行。在绝大多数情况下，这意味着我们必须和它们妥协：例如，教授它们错综复杂的人类语言，或者给它们明确的命令来完成非常具体的任务。但是，如果我们可...

对于让机器人完成我们想要做的事情，它们需要理解我们的命令才行。在绝大多数情况下，这意味着我们必须和它们妥协：例如，教授它们错综复杂的人类语言，或者给它们明确的命令来完成非常具体的任务。

但是，如果我们可以开发出一种机器人，它们就像是我们身体的一部分，并且可以做任何我们想做的事情，那会怎样呢？

来自麻省理工学院的计算机科学与人工智能实验室（CSAIL）和波士顿大学的一个团队正致力于解决这个问题，创建一个反馈系统，让人们仅仅使用他们的大脑就可以立即纠正机器人的错误。

在MIT开发的反馈系统使人类操作员只使用大脑信号就可实时纠正机器人做出的选择。

使用来自记录脑部活动的脑电图（EEG）监视器的数据，系统可以检测到人类是否注意到机器人执行对象分类任务时所犯的错误。该团队全新的机器学习算法使系统能够在10到30毫秒的时间内，识别分类脑电波。

虽然系统目前只能处理相对简单的二进制选择问题，

想象一下，能够立即告诉机器人完成一个特定的动作，而不需要键入命令，按下按钮或甚至说一个字，CSAIL总监DanielaRus说。这样一个简单方法将提升我们监督工厂机器人，无人驾驶汽车，甚至是我们还没有发明出来的其他技术的能力。

在目前的研究中，团队使用了来自RethinkRobtics公司的名为Baxter的人形机器人，该公司由前CSAIL总监和iRobot联合创始人RodneyBrooks领导。

介绍这项工作的论文由BU博士候选人AndresF.SalazarGomez，CSAIL博士候选人JosephDelPreto和CSAIL研究科学家StephanieGil在Rus和BU教授FrankH.Guenther的监督下编写。该论文最近被今年5月在新加坡举行的IEEE国际机器人与自动化大会（ICRA）收录。

过去EEG控制机器人方面的工作是需要训练人员以计算机可以识别的规定方式思考。例如，操作者可能必须查看两个亮光显示中的一个，每个亮光显示对应机器人执行的不同任务。

这种方法的缺点是训练过程和调整自己想法的过程繁重而累人，特别是对于监督导航任务或需要精神高度集中的建筑业的人。

Rus的团队希望让体验更自然。为了做到这一点，他们专注于被称为错误相关电位（ErrPs）的大脑信号，这是在大脑注意到错误时产生的。当机器人按指示计划进行选择时，系统使用ErrP来确定操作人员是否同意所做决定。

当你看着机器人，你所要做的只是精神上同意或不同意它正在做的事情，鲁斯说。你不必训练自己以某种方式思考，是机器适应你，而不是其他方式。

ErrP信号非常微弱，这意味着系统必须进行微调，以便对信号进行分类并将其用于操作者的反馈回路中。除了监测初始ErrP，团队还试图检测当系统没有注意到人的最初决策时发生的次级错误。如果机器人不确定它的决定，它可以触发人类的反应，得到一个更准确的答案，吉尔说。这些信号可以显著提高选择的精度，通过建立人类和机器人之间的连续对话进行沟通。

虽然系统还无法实时识别二次误差，但Gil希望模型能够在可能的情况下提高到90％以上的精度。

此外，由于ErrP信号已被证明与机器人的错误的严重程度成正比，团队认为未来的系统可以扩展到更复杂的多项选择任务。

SalazarGomez指出，该系统甚至可以对不能口头交流的人有用：因为像拼写这样的任务可以通过一系列几个离散的二进制选择来完成，他喜欢一种高级形式的眨眼控制，帮助中风患者多米尼克鲍比写他的回忆录潜水钟和蝴蝶。

弗莱堡大学计算机科学教授WolframBurgard说：这项工作使我们更容易为脑控制的机器人和假肢开发有效的工具，但他并没有参与这项研究。鉴于将人类语言翻译成对机器人有意义的信号是多么的困难，在这一领域的工作可能对人机协作的未来产生真正深远的影响。

该项目由波音和国家科学基金会资助。