让机器人做事并不容易：科学家通常要么明确地对它们进行编程，要么让他们了解人类如何通过语言进行交流。

但是，如果我们能够使用手势和脑波更直观地控制机器人呢?

由麻省理工学院计算机科学与人工智能实验室(CSAIL)的研究人员带头组建的新系统旨在实现这一目标，使用户能够立即纠正机器人的错误，只需要大脑信号和手指轻弹。

基于团队过去的工作重点是简单的二元选择活动，新工作将范围扩展到多项任务，为人类工作者如何管理机器人团队开辟了新的可能性。

通过监测大脑活动，系统可以实时检测一个人在机器人完成任务时是否注意到错误。使用测量肌肉活动的界面，该人然后可以进行手势滚动并选择正确的选项供机器人执行。

该团队演示了一个任务，其中机器人将电钻移动到模拟平面主体上的三个可能目标之一。重要的是，他们表明该系统适用于以前从未见过的人，这意味着组织可以在真实环境中部署它，而无需在用户上进行训练。

“这项将EEG和EMG反馈结合起来的工作使得自然的人机交互能够实现比我们在仅使用EEG反馈之前能够做的更广泛的应用程序，”负责监督工作的CSAIL主管Daniela Rus说。“通过包含肌肉反馈，我们可以使用手势在空间上指挥机器人，具有更多的细微差别和特异性。”

博士候选人Joseph DelPreto与Rus，前CSAIL博士后Andres F. Salazar-Gomez，前CSAIL研究科学家Stephanie Gil，研究学者Ramin M. Hasani和波士顿大学教授Frank H. Guenther一起撰写了关于该项目的论文的第一作者。该论文将在下周在匹兹堡举行的机器人：科学与系统(RSS)会议上发表。

直观的人机交互

在大多数以前的工作中，当人们训练自己以非常具体但任意的方式“思考”并且系统接受这些信号训练时，系统通常只能识别脑信号。例如，人类操作员可能必须在训练期间查看对应于不同机器人任务的不同光显示。

毫不奇怪，这种方法难以让人们可靠地处理，特别是如果他们在需要高度集中的建筑或导航等领域工作。

与此同时，罗斯的团队利用了被称为“错误相关电位”(ErrPs)的大脑信号的力量，研究人员发现，当人们注意到错误时，这些信号自然会发生。如果有ErrP，系统会停止，以便用户可以纠正它;如果没有，它继续。

“这种方法的优点在于，没有必要培训用户以规定的方式思考，”DelPreto说。“机器适应你，而不是相反。”

对于该项目，该团队使用了来自Rethink Robotics的人形机器人“Baxter”。在人工监督下，机器人从70%的时间选择正确的目标到超过97%的时间。

为了创建该系统，该团队利用脑电图(EEG)的功能进行大脑活动和肌肉活动的肌电图(EMG)，在用户的头皮和前臂上放置一系列电极。

这两个指标都存在一些个别缺点：EEG信号并不总是可靠地检测到，而EMG信号有时难以映射到比“向左或向右移动”更具体的运动。然而，合并这两者可以实现更强大的生物传感，并使系统无需培训即可在新用户上工作。

“通过观察肌肉和大脑的信号，我们可以开始接受一个人的自然姿势以及他们对某些事情是否出错的快速判断，”DelPreto说。“这有助于与机器人进行沟通，更像是与他人沟通。”

该团队表示他们可以想象该系统有一天对老年人或语言障碍或行动不便的工人有用。

“我们希望摆脱人们必须适应机器限制的世界，”罗斯说。“像这样的方法表明，开发机器人系统是非常可能的，这是我们更自然，更直观的延伸。”