HIMA F模塊 F6217 | HIMA | Analog Input Module
HIMA F模塊 F6217 | HIMA | Analog Input Module
HIMA F模塊 F6217 | HIMA | Analog Input Module
】一般科學家們都會通過給機器人設定好復雜的程序來訓練機器人怎樣進行溝通。如果只是用手勢或者腦電波能更直觀的操控機器人的話會是怎樣的呢。
MIT開發了用腦電波和手勢可操控的機器人
MIT的計算機科學和人工智能研究所(CSAIL)研究員們在這樣的目標下開發了新的系統。這次的工作是把過去簡單的二進制選擇工作范圍擴大到多重選擇工作范圍，為人類對機器人管理方法提供新的可能。
通過對大腦活動的監測，機器人在作業中如果發現錯誤的話會實時的感應的到。根據肌肉活動的測定判斷手勢來滾動頁面，給機器人發送正確的指令。
研究組為了測試這項實驗，讓機器人在飛機模型三個鉆探目標上，選擇其中之一進行操作，重要的是這個系統之前沒有見過這個人，這就說明了和陌生人也是可以有相同的效果的，不需要通過培訓用戶就可以使機器人在真實的環境中操作。
監督這次研究的 CSAIL研究所 Daniela Rus所長表示“EEG(腦電圖)和EMG(*)的反饋相結合，比只使用EEG反饋的時候應用范圍更廣，人與機器人的交互更自然，通過肌肉反饋，我們可以用手勢在空間上控制機器人，并且更細微、更具體。
雖然在以前大部分研究上，用戶都是非常具體的但是也需要用隨意的方式去思考來訓練系統，在之前的大多數工作中，系統通常只能識別大腦信號。與此同時，Rus的團隊利用了被稱為“誤差相關電位”(ErrPs，error-related potentials)的大腦信號的力量。研究人員發現，如果出現ErrP，系統就會停止，用戶可以糾正，如果沒有，系統就會繼續。這個接近法的優點就是沒有必要以正確的方式為用戶進行訓練，機器對用戶的適應是不需要的。
為了做這個項目，研究組利用了一款Rethink Robotics公司的人形機器人Baxte，受到人監督的機器人把正確率從70%提高到97%。
為了建立這個系統，團隊在頭皮和手臂上布置了電極，為大腦活動做了EEG和肌肉活動EMG. 原來兩種測量指標各有各的缺點，EEG信號經常不穩定，EMG信號除了映射向左向右很難映射出其他具體的動作。但是當這兩個方法合并在一起之后，可以產生強大的生物傳感，而且用戶并不需要培訓就可以使用。
研究小組表示“將肌肉與大腦信號相結合，系統能學習怎么樣辨別錯誤和怎樣做出決定，怎樣自然的掌握手勢”。人與機器人的交流變得更像是人與人之間的交流。
研究小組預測這個系統將會對老人，語言有障礙，移動不方便人士有很大的幫助。
文章鏈接：中國智能制造網 https://www.gkzhan。。ｃｏｍ/news/Detail/109933.html
