MIT研发脑控机器人 全新机器学习算法识别脑波只需10ms

导语：一个由麻省理工学院与波士顿大学联合组成的团队，正在研发一种前所未有的反馈系统。这一系统利用机器学习算法，让机器人能够实时响应人类的脑电波，从而在人类操作员仅需通过大脑信号的情况下，就能立即纠正机器人的行为选择。

想象一下，一个机器人，它不再仅仅是执行我们命令的工具，而是像我们的一个身体部位，可以随心所欲地做我们想要它做的事。这个梦想正逐渐变为现实。来自麻省理工学院的计算机科学与人工智能实验室（CSAIL）和波士顿大学的一支研究团队正在努力实现这一愿景。他们开发的反馈系统改变了人与机器人的交互方式，让人类操作员仅通过脑电波就能实时纠正机器人的行为选择。

这个系统的核心在于一种全新的机器学习算法。这种算法能够从脑电图（EEG）监视器中获取的数据中识别出人类的脑电波。当机器人执行对象分类任务时，如果发生了错误，系统能够在短短的10到30毫秒时间内识别出来。这意味着，人类操作员可以在机器人犯错的第一时间就知道，并且通过大脑信号进行纠正。

在大多数情况中，人们需要与机器人进行沟通，或者是给出明确的命令来完成特定任务。这种新的交互方式打破了这些限制。想象一下，一个机器人就像我们的手或眼睛一样，可以无缝地融入我们的生活，理解我们的意图并自动执行我们的命令。这样的机器人不再仅仅是执行任务的工具，而是成为了我们生活中不可或缺的一部分。这个梦想正逐步实现，而这支研究团队的成果就是其中的重要一步。尽管当前的系统只能处理简单的二进制选择问题，但本文的资深作者却为我们描绘了一幅未来的美好蓝图。那一天，我们将能够以更为直接的方式控制机器人，无需复杂的命令或繁琐的操作。

“想象一下，只需一个简单的手势或想法，就能让机器人完成我们指定的任务，”CSAIL总监Daniela Rus如此描述。这项研究预示着我们将大大提升对工厂机器人、无人驾驶汽车甚至更多未来技术的操控能力。

在现阶段的实验中，研究团队已经使用了由前CSAIL总监和iRobot联合创始人Rodney Brooks领导的公司Rethink Robotics所生产的人形机器人“Baxter”。这台机器人被选为实验对象，足以证明其强大的潜力。

这篇论文由BU博士候选人Andres F. Salazar-Gomez、CSAIL博士候选人Joseph DelPreto和CSAIL研究科学家Stephanie Gil共同撰写，并在Rus和BU教授Frank H. Guenther的指导下完成。该论文已在今年5月的IEEE国际机器人与自动化大会（ICRA）上被收录。

鲁斯和他的团队正致力于打造一个更自然的机器人交互体验。为了实现这一目标，他们聚焦于一种名为“错误相关电位”（ErrPs）的大脑信号，这种信号在大脑察觉到错误时产生。当机器人按照预设指令做出选择时，系统会借助ErrP来判断操作者是否同意这些决策。

鲁斯解释道：“当你与机器人互动时，你只需在精神上同意或不同意它正在做的事情。”他进一步补充说：“你不必刻意训练自己如何思考，反而是机器需要适应你，而不是相反。”

ErrP信号非常微弱，因此系统必须精确调整，以识别和分类这些信号并将其融入操作者的反馈循环中。除了监测初始ErrP，团队还着眼于检测“次级错误”，即当系统未能注意到人的初步决策时所发生的错误。吉尔分享说：“如果机器人对其决定不确定，它可以触发人类的反应，从而获得更准确的答案。”他继续道：“这些信号可以显著提高选择精度，并通过建立人与机器人之间的持续对话，促进双方沟通。”

尽管当前系统尚无法实时识别次级误差，但吉尔抱有乐观态度，他希望模型能在未来达到90%以上的精度。

由于ErrP信号的强度与机器人错误的严重程度成正比，团队认为未来的系统可以扩展至更复杂的多项选择任务。这一进展对于那些无法口头交流的人而言尤为重要。想象一下，像拼写这样的任务可以通过一系列简单的二进制选择来完成。正如萨拉查尔-戈麦斯所指出的，这种技术有可能帮助中风患者完成高级控制任务，如眨眼控制，从而让他们完成多米尼克鲍比的回忆录《潜水钟和蝴蝶》。这一领域的进步无疑将开启人机互动的新篇章。弗莱堡大学的计算机科学巨匠Wolfram Burgard教授，尽管未参与这项研究，但对其赞不绝口。他表示：“这项研究的进展无疑使我们在为脑控制的机器人和假肢领域打造实用工具时，道路更为通畅。将人类的语言精确转换为机器人可理解的信号是一项艰巨的挑战，而此研究有望对人机的协作未来产生深刻影响。”它的背后有着波音公司的雄厚支持以及国家科学基金会的鼎力相助。这不仅是一次技术领域的飞跃，更是人类与智能机械交互史上的一块里程碑。