一个能解读大脑信号的系统使人类操作员能够实时纠正机器人的选择。图片来源：Jason Dorfman，MIT CSAIL 机器人 Baxter 能够在不经人类 handlers 有意识下达指令甚至说话的情况下，分辨对错。它的学习成功依赖于一个解读人类大脑“哎呀”信号的系统，让 Baxter 知道是否犯了错误。这种新颖的机器人训练方法来自麻省理工学院（MIT）的计算机科学与人工智能实验室（CSAIL）和波士顿大学。研究人员早已知道，当人类大脑察觉到错误时会产生特定的错误相关信号。他们创建了机器学习软件，能在 10 到 30 毫秒内识别和分类来自个体志愿者的“哎呀”信号——这是一种为 Baxter 机器人提供即时反馈的方式，当它在人类面前将油漆罐和线轴分拣到两个不同的箱子时。CSAIL 主任 Daniela Rus 在一份新闻稿中说：“想象一下，能够即时地指示机器人执行某个动作，而无需输入指令、按下按钮甚至说话。”“这样一种简化的方法将提高我们监督工厂机器人、无人驾驶汽车以及我们尚未发明的其他技术的潜力。” https://www.youtube.com/watch?v=Zd9WhJPa2Ok 人类志愿者戴着脑电图（EEG）帽，当他们看到 Baxter 机器人犯错时，可以检测到这些“哎呀”信号。每位志愿者首先经过一个简短的培训过程，机器学习软件会学习识别他们大脑特有的“哎呀”信号。但一旦完成，该系统就可以开始为 Baxter 提供即时反馈，告知每位人类 handlers 是否赞成或不赞成机器人的行为。该系统在实时执行时，距离完美系统，甚至 90% 的准确率还有很大距离。但研究人员在早期试验中似乎很有信心。MIT 和波士顿大学的研究人员还发现，通过关注大脑在注意到所谓的“二次错误”时产生的更强的“哎呀”信号，可以提高系统的离线性能。这些错误发生在系统错误地将大脑信号分类时，即当机器人做出正确选择时错误地检测到“哎呀”信号，或者当机器人犯错时系统未能检测到初始“哎呀”信号。通过整合二次错误的“哎呀”信号，研究人员成功地将系统的整体性能提高了近 20%。该系统还不能在与 Baxter 的实际现场训练会话中处理二次错误的“哎呀”信号。但一旦能够做到，研究人员预计可以将系统的整体准确率提高到 90% 以上。这项研究之所以脱颖而出，还因为它表明了那些从未尝试过 EEG 帽的人，仍然可以毫不费力地学会训练 Baxter 机器人。这预示着未来人类直观地依赖 EEG 来训练他们的机器人汽车、机器人人形机器人或类似的机器人系统。 （这项研究的详细信息刊登在一篇最近被 IEEE 机器人与自动化国际会议（ICRA）接受的论文中，该会议将于今年五月在新加坡举行。） 这样的实验室实验可能仍然离未来人类客户即时纠正他们的家用机器人或机器人汽车司机相去甚远。但随着研究人员调整系统的准确性，以及 EEG 帽技术在实验室环境之外变得更加用户友好，这可能成为更实用的机器人训练方法。研究人员接下来的目标是：使用“哎呀”系统训练 Baxter 在多项选择情境下做出正确的选择。
广告
