کنترل روبات با موج مغزی و حرکات دست

گرفتن روبات ها برای انجام کارها آسان نیست: معمولا دانشمندان باید به طور صریح آنها را برنامه ریزی کنند و یا آنها را درک کنند که چگونه انسان ها از طریق زبان ارتباط برقرار می کنند. اگر بتوانیم روباتها را بطور مستقیم کنترل کنیم، با استفاده از حرکات دست و موج مغزی انجام دهیم. سیستم جدیدی که توسط محققان از آزمایشگاه هوش مصنوعی MIT و آزمایشگاه هوش مصنوعی (CSAIL) هدایت می شود، دقیقا همین کار را انجام می دهد، به کاربران اجازه می دهد تا فورا اشتباهات ربات را با بیش از سیگنال مغز و تلنگر انگشت درست تصحیح کند.

ساختن کار گذشته کار تیم بر روی فعالیت های انتخابی باینری ساده تمرکز کرد، کار جدید کار را به وظایف چند گزینه ای گسترش می دهد و فرصت های جدیدی را برای چگونگی کارکرد کارگران انسانی می تواند تیم های روبات را مدیریت کند.

با نظارت بر فعالیت مغز، سیستم می تواند در زمان واقعی تشخیص دهد اگر یک شخص یک خطا را به عنوان یک ربات انجام می دهد یک کار را انجام می دهد. با استفاده از رابط کاربری که فعالیت عضلات را اندازه گیری می کند، شخص می تواند حرکات دست را برای حرکت از طریق آن انجام دهد و گزینه صحیح را برای ربات برای اجرا انتخاب کند.

این تیم سیستم را بر روی یک وظیفه که در آن یک ربات یک مته قدرت را به یکی از سه هدف ممکن در بدن یک هواپیما فکری حرکت می دهد، نشان داد. مهم این است که آنها نشان دادند که این سیستم بر روی افرادی که قبلا آن را دیده اید کار نمی کند، به این معنی است که سازمان ها می توانند آن را در تنظیمات دنیای واقعی بدون نیاز به آموزش آن بر روی کاربران بکار ببرند.

“این کار با ترکیب بازخورد EEG و EMG، تعاملات طبیعی انسانی روباتها را برای یک مجموعه گسترده تر از برنامه های کاربردی می سازد، تا اینکه ما توانستیم قبل از استفاده از بازخورد EEG تنها با استفاده از بازخورد EEG انجام دهیم، دانیال روس، کارگردان CSAIL، که کار را نظارت می کرد، می گوید:”با استفاده از بازخورد عضلانی، ما می توانیم حرکات را انجام دهیم تا ربات را به صورت فضایی، با نویز و خاصیت بیشتری کنترل کنیم.”

دانشجوی دکترای جوزف DelPreto نویسنده ارشد یک مقاله در مورد پروژه در کنار روس، سابق CSAIL کاردانی فوق دکترا آندرس F. سالازار گومز، استفانی گیل دانشمند سابق تحقیقات CSAIL، پژوهشگر رامین M. حسنی، و استاد دانشگاه بوستون فرانک H. Guenther بود. این مقاله در کنفرانس رباتیک  علم و سیستم (RSS) در هفته آینده در پیتسبورگ برگزار خواهد شد.

تعامل فردی و روبات بصری

در اکثر کارهای قبلی، سیستم ها عموما می توانند سیگنال های مغز را شناسایی کنند، زمانی که افراد فکر می کنند در روش های بسیار خاص اما خودسرانه آموزش می بینند و زمانی که سیستم در این سیگنال ها آموزش دیده بود. به عنوان مثال، یک اپراتور انسان ممکن است مجبور به نگاه کردن به صفحه نمایش های مختلف نور که مربوط به وظایف ربات های مختلف در طول یک جلسه تمرین است.

جای تعجب نیست که چنین رویکردهایی برای افرادی که به راحتی اداره می شوند دشوار است، به خصوص اگر در زمینه هایی مانند ساخت و ساز کار کنند که نیاز به تمرکز زیاد دارند.

در همین حال، تیم روسی، قدرت سیگنال های مغز به نام “پتانسیل های مربوط به خطا” (ErrPs) را تحمیل می کند، که محققان آن را طبیعی نشان می دهند زمانی که افراد متوجه اشتباهات می شوند. اگر ErrP وجود داشته باشد، سیستم متوقف می شود، بنابراین کاربر می تواند آن را اصلاح کند؛ اگر نه، آن را ادامه می دهد

DelPreto می گوید: “چه چیزی در مورد این رویکرد عالی است که نیازی به آموزش کاربران برای فکر کردن به روش های پیشنهادی وجود ندارد، دستگاه سازگار با شما است، و نه راه دیگر.”

برای این پروژه، تیم “باکستر”، یک ربات انسان شناخته شده از Rethink Robotics بود. با نظارت انسانی، ربات از انتخاب هدف صحیح 70 درصد زمان به بیش از 97 درصد زمان خود رسیده است.

برای ایجاد سیستم، تیم توانایی الکتروانسفالوگرافی (EEG) را برای فعالیت مغز و الکترومیوگرافی (EMG) برای فعالیت عضلانی، قرار داد و یک سری الکترودهای روی پوست و ساعد کاربران استفاده کرد.

هر دو معیار دارای برخی از کاستی های فردی هستند، سیگنال های EEG همیشه قابل اعتبار قابل تشخیص نیستند، در حالی که سیگنال های EMG گاهی اوقات دشوار است برای نقشه برداری به حرکات که هر کدام خاص تر از “حرکت چپ یا راست” است. با این حال، ادغام این دو، امکان سنجی زیست سنجی بیشتری را فراهم می آورد و باعث می شود سیستم بدون نیاز به تمرین بر روی کاربران جدید کار کند.

DelPreto می گوید: “با نگاهی به سیگنال های عضلانی و مغز، ما می توانیم بر روی حرکات طبیعی شخص و همچنین تصمیم گیری های خود در مورد اینکه آیا چیزی اشتباه است، شروع کنیم. این کمک می کند ارتباط با یک ربات بیشتر شبیه ارتباط با شخص دیگری شود.”

تیم می گوید که می توانند سیستم را یک روز برای سالمندان و یا کارگران با اختلالات زبان یا تحرک محدود استفاده کنند.

روس می گوید: “ما می خواهیم دور از دنیایی که مردم نیاز به انطباق با محدودیت های ماشین ها دارند دور شوند. رویکردهایی مانند این نشان می دهد که این امکان وجود دارد که سیستم های رباتیک را توسعه دهیم که طبیعی تر و بصری تر از ماست.”

منبع:

موارد ارائه شده توسط موسسه فناوری ماساچوست، CSAIL . اصل نوشته شده توسط آدام کانر سیمونز.