對于讓機器人完成我們想要做的事情，它們需要理解我們的命令才行。在絕大多數(shù)情況下，這意味著我們必須和它們妥協(xié)：例如，教授它們錯綜復雜的人類語言，或者給它們明確的命令來完成非常具體的任務。 

但是，如果我們可以開發(fā)出一種機器人，它們就像是我們身體的一部分，并且可以做任何我們想做的事情，那會怎樣呢？

來自麻省理工學院的計算機科學與人工智能實驗室（CSAIL）和波士頓大學的一個團隊正致力于解決這個問題，創(chuàng)建一個反饋系統(tǒng)，讓人們僅僅使用他們的大腦就可以立即糾正機器人的錯誤。

在MIT開發(fā)的反饋系統(tǒng)使人類操作員只使用大腦信號就可實時糾正機器人做出的選擇。

使用來自記錄腦部活動的腦電圖（EEG）監(jiān)視器的數(shù)據(jù)，系統(tǒng)可以檢測到人類是否注意到機器人執(zhí)行對象分類任務時所犯的錯誤。該團隊全新的機器學習算法使系統(tǒng)能夠在10到30毫秒的時間內(nèi)，識別分類腦電波。

雖然系統(tǒng)目前只能處理相對簡單的二進制選擇問題，本文的資深作者說，這項研究表明，我們有一天可以用更直接的方式控制機器人。

“想象一下，能夠立即告訴機器人完成一個特定的動作，而不需要鍵入命令，按下按鈕或甚至說一個字，”CSAIL總監(jiān)Daniela Rus說。 “這樣一個簡單方法將提升我們監(jiān)督工廠機器人，無人駕駛汽車，甚至是我們還沒有發(fā)明出來的其他技術(shù)的能力。”

在目前的研究中，團隊使用了來自Rethink Robtics公司的名為“Baxter”的人形機器人，該公司由前CSAIL總監(jiān)和iRobot聯(lián)合創(chuàng)始人Rodney Brooks領(lǐng)導。 

介紹這項工作的論文由BU博士候選人Andres F. Salazar-Gomez，CSAIL博士候選人Joseph DelPreto和CSAIL研究科學家Stephanie Gil在Rus和BU教授Frank H. Guenther的監(jiān)督下編寫。該論文最近被今年5月在新加坡舉行的IEEE國際機器人與自動化大會（ICRA）收錄。

過去EEG控制機器人方面的工作是需要訓練人員以計算機可以識別的規(guī)定方式“思考”。例如，操作者可能必須查看兩個亮光顯示中的一個，每個亮光顯示對應機器人執(zhí)行的不同任務。  

這種方法的缺點是訓練過程和調(diào)整自己想法的過程繁重而累人，特別是對于監(jiān)督導航任務或需要精神高度集中的建筑業(yè)的人。

Rus的團隊希望讓體驗更自然。為了做到這一點，他們專注于被稱為“錯誤相關(guān)電位”（ErrPs）的大腦信號，這是在大腦注意到錯誤時產(chǎn)生的。當機器人按指示計劃進行選擇時，系統(tǒng)使用ErrP來確定操作人員是否同意所做決定。

“當你看著機器人，你所要做的只是精神上同意或不同意它正在做的事情，”魯斯說。 “你不必訓練自己以某種方式思考，是機器適應你，而不是其他方式。”

ErrP信號非常微弱，這意味著系統(tǒng)必須進行微調(diào)，以便對信號進行分類并將其用于操作者的反饋回路中。除了監(jiān)測初始ErrP，團隊還試圖檢測當系統(tǒng)沒有注意到人的最初決策時發(fā)生的“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，”吉爾說。 “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。”

雖然系統(tǒng)還無法實時識別二次誤差，但Gil希望模型能夠在可能的情況下提高到90％以上的精度。 

此外，由于ErrP信號已被證明與機器人的錯誤的嚴重程度成正比，團隊認為未來的系統(tǒng)可以擴展到更復雜的多項選擇任務。 

Salazar-Gomez指出，該系統(tǒng)甚至可以對不能口頭交流的人有用：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”。 

弗萊堡大學計算機科學教授Wolfram Burgard說：“這項工作使我們更容易為腦控制的機器人和假肢開發(fā)有效的工具，”但他并沒有參與這項研究。 “鑒于將人類語言翻譯成對機器人有意義的信號是多么的困難，在這一領(lǐng)域的工作可能對人機協(xié)作的未來產(chǎn)生真正深遠的影響。”

該項目由波音和國家科學基金會資助。