研究團隊采用了新的機器學習算法，令系統(tǒng)能在10-30毫秒時間內將腦波分類。
要讓機器人能正確執(zhí)行我們想做的事，必須讓它先理解我們想法。通常這意味著我們要花費大量精力教他們理解人類語言的復雜性，或是必須給他們極為具體的任務指令。
不過，如果我們能開發(fā)出一種更加自然的機器人，不需要語言即可理解人類的想法，那么開發(fā)機器人的過程就更加輕松了。
為了解決正確指揮機器人面臨的挑戰(zhàn)，麻省理工學院(MIT)的計算機科學暨
人工智能實驗室(CSAIL)和波士頓大學(Boston University)的科學家們創(chuàng)建了一個反饋系統(tǒng)，能讓人們通過腦波糾正機器人的錯誤。
利用記錄大腦活動的腦電圖（EEG）監(jiān)測數(shù)據，系統(tǒng)能檢測到受測者是否能注意到機器人在執(zhí)行對象排序任務時是否犯了錯誤。研究團隊采用了新的機器學習算法，令系統(tǒng)能在10-30毫秒時間內將腦波分類。
雖然該系統(tǒng)目前僅能處理相對簡單的二進制選擇狀態(tài)，但目前的研究成果代表著未來人類將能以更直觀的方式控制機器人。
“想象一下，只要按下一個按鈕，而無需鍵入命令，甚至說不出一句話，就能夠在瞬間讓機器人做某些動作，”CSAIL 實驗室主管Daniela Rus說，“這種簡化的方法能讓我們高效地監(jiān)督工廠機器人、無人駕駛汽車。”
研究團隊使用了一個名為“Baxter”的人形機器人，由Rethink Robotics公司開發(fā)，而這家公司是CSAIL實驗室前任主管和iRobot共同創(chuàng)辦人Rodney Broks所創(chuàng)立。
直覺的人機交互
過去由EEG控制的機器人需要訓練人類以計算機能識別的方式來“思考”。操作人員可能要同時查看二個發(fā)光顯示器之中的一個，而每個發(fā)光顯示都對應著不同的機器人執(zhí)行任務。
這種方法的缺點是訓練過程和調節(jié)操作員的非常繁復，特別執(zhí)行監(jiān)督任務的操作人員需要高度集中精神。
Rus的團隊想開發(fā)出更自然的交互方式，因而專注于研究所謂“誤差相關電位”(ErrP)的大腦信號，這是大腦在注意到錯誤產生時會出現(xiàn)的信號。當機器人依照指示選擇時，系統(tǒng)便會通過ErrP確定操作人員同意機器人的決定。
這等于將過去訓練機器人時必須訓練操作員的程序給反轉了。“當你看著機器人，你只要在精神上同意或不同意它在做什么，”Rus說。“你不必訓練自己用某種方式思考，是讓機器適應你，而不是反過來讓你去適應機器。”
由于ErrP信號極其微弱，因而系統(tǒng)需要進行細微調整，以便將信號分類并用于操作人員的反饋回路中。除了監(jiān)測初始ErrP，研究團隊還試圖檢測當“”到兩信號進行分類，將其納入反饋回路的操作員。除了監(jiān)測初始ErrPs，球隊還試圖檢測人類在初始決策時未注意到但系統(tǒng)不會通知的次級錯誤。
“如果機器人不確定它的決定，它可以觸發(fā)人類的反應，得到一個更準確的答案，”CSAIL研究科學家Stephanie Gil說。 “這些信號可以顯著提高選擇的精度，通過建立人類和機器人之間的連續(xù)對話進行溝通。”
盡管系統(tǒng)系統(tǒng)還無法實時識別二次錯誤，但Gil預計該模型未來能夠提高到90%的精度。
此外，由于提供的信號已證實機器人的錯誤比例相當驚人，研究小組認為未來的系統(tǒng)還能推廣到更復雜的多項任務應用。
波士頓大學博士候選人Andres F. Salazar-Gomez指出，該系統(tǒng)其至能為無法用語言交流的人提供服務，因為像拼寫這樣的任務可以通過一系列幾個離散的二進制選擇來完成，他喜歡一種高級形式的眨眼控制，幫助中風患者多米尼克鮑比寫他的回憶錄“潛水鐘和蝴蝶”。
佛雷堡大學計算機科學教授Wolfram Burgard指出，這項研究將讓我們開發(fā)出更有效率的腦波控制機器人或義肢等工具。雖然Burgard并未參與這項研究，但他認為人類要將語言翻譯為對機器人有意義的信號相當困難，而這項研究對未來的人機協(xié)作將產生深遠影響。
本文由a&s傳媒獨家編譯，轉載請注明出處
免責聲明：本站所使用的字體和圖片文字等素材部分來源于互聯(lián)網共享平臺。如使用任何字體和圖片文字有冒犯其版權所有方的，皆為無意。如您是字體廠商、圖片文字廠商等版權方，且不允許本站使用您的字體和圖片文字等素材，請聯(lián)系我們，本站核實后將立即刪除！任何版權方從未通知聯(lián)系本站管理者停止使用，并索要賠償或上訴法院的，均視為新型網絡碰瓷及敲詐勒索，將不予任何的法律和經濟賠償！敬請諒解！
粵公網安備 44030402000264號
