對于讓機器人完成我們想要做的事情，它們需要理解我們的命令才行。在絕大多數情況下，這意味著我們必須和它們妥協：例如，教授它們錯綜復雜的人類語言，或者給它們明確的命令來完成非常具體的任務。

但是，如果我們可以開發出一種機器人，它們就像是我們身體的一部分，并且可以做任何我們想做的事情，那會怎樣呢?

來自麻省理工學院的計算機科學與人工智能實驗室(CSAIL)和波士頓大學的一個團隊正致力于解決這個問題，創建一個反饋系統，讓人們僅僅使用他們的大腦就可以立即糾正機器人的錯誤。

在MIT開發的反饋系統使人類操作員只使用大腦信號就可實時糾正機器人做出的選擇。

使用來自記錄腦部活動的腦電圖(EEG)監視器的數據，系統可以檢測到人類是否注意到機器人執行對象分類任務時所犯的錯誤。該團隊全新的機器學習算法使系統能夠在10到30毫秒的時間內，識別分類腦電波。

雖然系統目前只能處理相對簡單的二進制選擇問題，本文的資深作者說，這項研究表明，我們有一天可以用更直接的方式控制機器人。

“想象一下，能夠立即告訴機器人完成一個特定的動作，而不需要鍵入命令，按下按鈕或甚至說一個字，”CSAIL總監DanielaRus說。“這樣一個簡單方法將提升我們監督工廠機器人，無人駕駛汽車，甚至是我們還沒有發明出來的其他技術的能力。”

在目前的研究中，團隊使用了來自RethinkRobtics公司的名為“Baxter”的人形機器人，該公司由前CSAIL總監和iRobot聯合創始人RodneyBrooks領導。

介紹這項工作的論文由BU博士候選人AndresF.Salazar-Gomez，CSAIL博士候選人JosephDelPreto和CSAIL研究科學家StephanieGil在Rus和BU教授FrankH.Guenther的監督下編寫。該論文最近被今年5月在新加坡舉行的IEEE國際機器人與自動化大會(ICRA)收錄。

過去EEG控制機器人方面的工作是需要訓練人員以計算機可以識別的規定方式“思考”。例如，操作者可能必須查看兩個亮光顯示中的一個，每個亮光顯示對應機器人執行的不同任務。

這種方法的缺點是訓練過程和調整自己想法的過程繁重而累人，特別是對于監督導航任務或需要精神高度集中的建筑業的人。

Rus的團隊希望讓體驗更自然。為了做到這一點，他們專注于被稱為“錯誤相關電位”(ErrPs)的大腦信號，這是在大腦注意到錯誤時產生的。當機器人按指示計劃進行選擇時，系統使用ErrP來確定操作人員是否同意所做決定。

“當你看著機器人，你所要做的只是精神上同意或不同意它正在做的事情，”魯斯說。“你不必訓練自己以某種方式思考，是機器適應你，而不是其他方式。”

ErrP信號非常微弱，這意味著系統必須進行微調，以便對信號進行分類并將其用于操作者的反饋回路中。除了監測初始ErrP，團隊還試圖檢測當系統沒有注意到人的最初決策時發生的“次級錯誤”。“如果機器人不確定它的決定，它可以觸發人類的反應，得到一個更準確的答案，”吉爾說。“這些信號可以顯著提高選擇的精度，通過建立人類和機器人之間的連續對話進行溝通。”

雖然系統還無法實時識別二次誤差，但Gil希望模型能夠在可能的情況下提高到90%以上的精度。

此外，由于ErrP信號已被證明與機器人的錯誤的嚴重程度成正比，團隊認為未來的系統可以擴展到更復雜的多項選擇任務。

Salazar-Gomez指出，該系統甚至可以對不能口頭交流的人有用：因為像拼寫這樣的任務可以通過一系列幾個離散的二進制選擇來完成，他喜歡一種高級形式的眨眼控制，幫助中風患者多米尼克鮑比寫他的回憶錄“潛水鐘和蝴蝶”。

弗萊堡大學計算機科學教授WolframBurgard說：“這項工作使我們更容易為腦控制的機器人和假肢開發有效的工具，”但他并沒有參與這項研究。“鑒于將人類語言翻譯成對機器人有意義的信號是多么的困難，在這一領域的工作可能對人機協作的未來產生真正深遠的影響。”

該項目由波音和國家科學基金會資助。