MIT研发出脑控机器人：可使用脑波为机器人纠错

选自news.mit.edu

作者：Adam Conner-Simons

机器之心编译

参与：微胖、晏奇、吴攀

MIT 研发出的反馈系统能够让人类操作者仅通过大脑信号就能实时纠正机器人做出的选择。研究论文可点击阅读原文查阅。

为了让机器人按照人类想法行事，它们就得理解我们。很多时候，这意味着不得不做出妥协：教机器学懂得人类语言的玄妙，比如，为它们提供特定任务的具体指令。

但是，如果可以研发出一种类似人类自然延伸的机器人，让它们可以按照我们的想法自如行动，又会怎么样？

麻省理工学院的计算机科学和人工智能实验室（CSAIL）的团队和波士顿大学正在攻克这一难题，他们打造出了一种反馈系统，让人类仅用大脑就可以迅速纠正机器人犯下的错误，这款 MIT 研发出的反馈系统能够让人类操作者仅通过大脑信号就能实时纠正机器人做出的选择。

使用脑电图（EGG）检测器（用来记录大脑活动的）输出的数据，当机器人执行某个目标分类任务时，该系统可以识别出人类是否注意到机器人犯错了。这一团队研发的新的机器学习算法能够帮助系统分类 10 到 30 微秒空间中的脑电波。

尽管该系统当前只能处理相对简单的二项选择，但是，这篇论文的资深作者表示，该研究表明，人类有一天能够以更加充满直觉的方式控制机器人。

「想象一下你无需输入命令、按按钮或口头命令，就可以迅速告诉机器人做出某个动作。」CSAIL 主任 Daniela Rus 说，「这种高效的解决方案将提升人类监管工厂机器人、无人驾驶汽车以及其它尚未发明技术的能力。」

在该项研究中，团队使用了一台「Baxter」人形机器人，该机器人的生产厂商是 Rethink Robotics，其负责人是前 CSAIL 主任，也是 iRobot 的联合创始人 Rodney Brooks。

这篇论文的作者是波士顿大学（BU）的 PhD candidate Andres F. Salazar-Gomez、CSAIL 的 PhD candidate Joseph DelPreto 和 CSAIL 研究科学家 Stephanie Gil，指导老师为 Rus 和波士顿大学的教授 Frank H. Guenther。该论文已经被将于今年 5 月在新加坡举办的 IEEE 机器人与自动化国际会议（ICRA）接收。

通过直觉与机器人互动

在过去，通过 EEG-控制的机器人需要人类以计算机可识别的固定方式进行「思考」。例如，一个操作人员面前有两束亮光，他必须要看其中一个才能让机器进行特定工作，因为每一束亮光都与机器人的特定工作任务有关。

这种方法的缺陷在于训练过程和对人思维活动的建模是非常耗时耗力的，特别是对那些监督导航与构建工作的人来说更是如此，因为这些任务需要高强度的注意力。

Rus 的团队想把这整个过程变得更自然点。为了实现该目标，他们聚焦于一种称为「误差相关电位（error-related potential，ErrP）」的大脑信号，只要我们的大脑意识到了一个错误，这种信号就会生成。当机器人给出它打算做哪一种选择时，该系统就会使用 ErrP 信号来判断人类是否同意机器的这个决定。

「当你看着这个机器人时，你所需要做的仅仅是在大脑中同意或者反对它正在做的事情就可以了，」Rus 说道，「你不必训练自己一定要以某种特定方式来思考——我们的机器会来适应你，而不是反过来。」

大脑 ErrP 信号非常微弱，也就是说该系统必须要调整得足够到位才能让它既可以分类这些信号又可以配合反馈回路中的人类操作员。除了首要检测 ErrP 信号外，当系统没有意识到来自人类的纠错信号时，团队也让机器去侦测所谓的「次要错误（secondary errors）」。

「如果机器人不确定自己的决定，它可以触发一种人类反馈机制来获得更加准确的答案，」Gil 说道，」这些信号可以非常有效地改善精度，创造一个人机之间持续交流相互决策的对话过程。」

尽管该系统还仍然无法实时识别第二类错误信号，但 Gil 预计该模型在能够识别该信号后可以提升 90% 的精度。

此外，由于 ErrP 信号的强度已被证明可以显示机器人的错误到底有多严重，所以，该团队相信未来的系统可以扩展到更加复杂的多选项任务中去。

Salazar-Gomez 指出，该系统甚至也适用于那些无法进行口语交流的人：像拼写这样的任务可以通过一系列离散的二元选择（discrete binary choices）来完成，Salazar-Gomez 将其比作一种高级版本的眨眼机制，该机制允许中风患者 Jean-Dominique Bauby 可以撰写自己的回忆录《潜水钟与蝴蝶（Le Scaphandre et le Papillon）》。

「该项工作让我们距开发有效脑控制机器人和假体的目标更近了一步，」弗莱堡大学计算机教授 Wolfram Burgard 说道（他没有参与此项研究），「考虑到将人类语言翻译成一种有意义的机器可识别的信号是件异常困难的事情，该领域的工作对于未来的人机协作实在是具有深远影响。」

该项目的部分资助来自波音公司（Boeing）与美国国家科学基金会（National Science Foundation）。以下是对原论文的摘要介绍：

论文题目：通过 EEG 信号实时纠正机器人所犯的错（Correcting Robot Mistakes in Real Time Using EEG Signals ）

摘要：借由人类合作者大脑活动与机器人进行交流能够提供一种直接而且快速的反馈回路，对人类合作者来说，这一交流方式简单而且自然，从而使得根据直觉与机器人互动完成各种任务就不再是梦。这一论文探索了将误差相关电位（ErrP）应用到闭环机器人控制的方法。ErrP 信号对机器人任务特别有用，因为它们是大脑活动对预期之外误差做出反应的过程中自然出现的。我们解码了人类操作员实时控制一台 Rethink Robotics Baxter 机器人完成一个两项选择任务过程中的 ErrP 信号。我们也表明，利用这一闭环机器人任务期间生成的、与潜在误差相关的次要互动信号能够大大提升机器人的分类任务表现，这也暗示着新的让机器人获取人类反馈的手段。我们完整描述了整个系统的设计和应用，也展现了实时闭环以及开环控制实验结果，以及对主要（primary）和次要（secondary）ErrP 信号的离线分析。我们使用了一般人群的受试者完成实验任务，这些受试者之前未经训练或筛选。因此，这一研究证实了 EGG 为基础的回路方法的潜力，有望实现无缝的机器人控制，也朝着实时直觉互动这一目标更进了一步。

图 1：基于实时解码观察者的 EEG 信号，机器人被告知它的首个动作是错误的，并且它会根据合适的物体类别做出正确选择

图 4：系统包含一个主要的实验控制器、Baxter 机器人、一个 EEG 获取与分类系统。一个 Arduino 系统转播控制器和 EEG 系统之间的信息。机械连接开关检测机械臂动作启动。

图 6：识别一次 EEG 数据缓冲中的 ErrP 的各种预处理和分类阶段。这个决策会立即影响到机器人的行为，而机器人的行为又会影响到 EEG 信号，从而形成反馈回路的闭环。