Generel

Denne robot kan styres af hjernesignaler og håndbevægelser


Forskere fra MIT har udviklet en ny måde for mennesker at træne robotter ved hjælp af hjernesignaler og kropsbevægelser. Udvikling af robotter til at udføre specifikke og præcise opgaver kræver en enorm mængde programmering baseret på det menneskelige sprog.

Men nu betyder denne nye teknik, at robotter kan styres og trænes ved hjælp af ubevidste hjernesignaler og intuitive håndbevægelser. Holdet, der var ansvarlig for gennembruddet, udviklede en måde at udnytte hjernesignaler kaldet "fejlrelaterede potentialer" (ErrPs), som ubevidst opstår, når folk observerer en fejl.

Systemet bruger ubevidst genererede hjernesignaler

Systemet fungerer ved at overvåge hjerneaktiviteten hos en person, der observerer en robot på arbejdspladsen. Hvis en ErrP opstår, fordi robotten lavede en fejl, får robotten besked og holder pause for at vente på en korrektion fra sin menneskelige observatør. Observatøren kan rette fejlen via enkle håndbevægelser, som robotterne forstår gennem en grænseflade, der overvåger muskelaktivitet.

På den ledsagende video kan du se en robot kaldet 'Baxter' flytte en boremaskine til et af tre mulige mål. Når robotten bevæger sig til det forkerte mål, får deres ErrP-signaler, at robotten holder pause.

Den menneskelige observatør bevæger derefter håndleddet for at indikere i hvilken retning og hvor langt robotten skal bevæge deres boremaskine. Med menneskelig tilsyn var Baxter i stand til at øge sin nøjagtighed fra 70 procent til 97 procent.

"Dette arbejde, der kombinerer EEG- og EMG-feedback, muliggør naturlige interaktioner mellem mennesker og mennesker til et bredere sæt applikationer, end vi har været i stand til at gøre, før vi kun brugte EEG-feedback," siger CSAIL-direktør Daniela Rus, der overvågede arbejdet. "Ved at inkludere muskelfeedback kan vi bruge bevægelser til at styre robotten rumligt med meget mere nuance og specificitet."

Hjernens signaler samles op af en elektrodedækket hætte ved hjælp af elektroencefalografi (EEG). Muskelaktiviteten læses ved hjælp af elektromyografi (EMG) via en række elektroder i brugernes hovedbund og underarm.

Mens begge disse teknologier har individuelle problemer, hovedsageligt at gøre med en nøjagtighed i detektion, giver de et meget robust system, når de kombineres. ”Ved at se på både muskel- og hjernesignaler kan vi begynde at opfange en persons naturlige bevægelser sammen med deres hurtige beslutninger om, hvorvidt noget går galt,” siger projektets hovedforfatter Joseph DelPreto.

"Dette hjælper med at kommunikere med en robot mere som at kommunikere med en anden person." Spændende er systemet plug and play, hvilket betyder, at enhver bruger kan blive tilsluttet robotten uden omfattende genuddannelse.

Intuitivt system åbner døre til applikationer

DelPreto siger, at det nye system er særlig vigtigt, da brugerne ikke behøver at blive trænet til at tænke på en bestemt måde, hjernesignalerne sker ubevidst, og bevægelserne er intuitive og ligner, hvad der kan ske, hvis et menneske træner et andet menneske. "Maskinen tilpasser sig dig, og ikke omvendt, "sagde han og tilføjede, at systemet" gør kommunikation med en robot mere som at kommunikere med en anden person. "

Det nye robotsystem har masser af potentiel anvendelse i scenarier, hvor mennesker og robotter vil arbejde tæt sammen. Det kan også være nyttigt i situationer, hvor mennesker har begrænset tale eller bevægelse, f.eks. Til robotter, der hjælper ældre.


Se videoen: Transformation in the Age of Machines. CogX 2019 (September 2021).