新火種
2023-11-13 
意念操縱機器人成真！李飛飛團隊打造，做家務玩游戲樣樣能行
斯坦福李飛飛、吳佳俊帶隊讓《阿凡達》意念操控照進了現實！
現在，只需要動動腦子就能操縱機器人。
想吃壽喜鍋不用自己動手，切菜備菜、倒入食材，機器人一氣呵成：
做飯、烹茶樣樣都行：
忙完還能順便把桌面清理了：
你以為這就完了？這個機器人玩起游戲來也是一把好手：
甚至還能幫你熨衣服：
關鍵是，旁邊的操縱者只需要坐在那里“冥想”即可，無需手搖搖桿。
能做到這些，都要得益于研究團隊最新開發腦機接口系統——NOIR。
這是一個通用的智能系統，使用者無需佩戴侵入性設備，機器人可以從腦電信號中解碼人類意圖。
并且它還配有一個“技能庫”，可以隨意組合各種技能完成人類指令，輕松應對高達20項日常任務。
要知道，常規腦機接口系統一般只專注于一項或幾項任務。
目前這項研究已收錄于機器人頂會CoRL 2023：
圍觀網友一口一個哦買噶：
清華叉院助理教授許華哲也來評論區捧場：
這個NOIR系統究竟是什么？機器人為何能完成這么多任務？
20項任務輕松拿下正如上文所說，這個機器人能干的事兒多著呢。
干酪撒粉這種任務也能輕松完成：
拆包裹、整理桌面這種活就更不在話下：
而其背后的這個NOIR系統，簡單來說可以分為兩部分：模塊化解碼管線、有原始技能庫的機器人系統。
主打一個讓機器人自動學習預測人類意圖。
具體來說，模塊化管線將解碼人類意圖過程分為三個模塊：
1）選擇什么對象？
方法是在屏幕上顯示任務場景，利用對象的閃爍刺激產生SSVEP信號；每個對象以不同頻率閃爍，人類注視某對象時，腦電信號中該頻率成分增強。
然后用Canonical Correlation Analysis(CCA)方法，分析不同頻率的相關性，確定人類注視的對象。
2）如何交互？
這部分是通過提示人類想象執行某些技能(左手、右手等)產生運動意象信號，然后使用濾波和Common Spatial Pattern (CSP)算法預處理信號。
最后利用Quadratic Discriminant Analysis (QDA)進行4類識別，確定技能選擇。
3）在哪交互？
人類想象控制光標的左右運動來選擇技能執行的具體參數。同樣通過CSP和QDA處理并解碼腦電信號，判斷人類是左還是右。
研究人員還設置了安全機制，采用肌肉緊張信號來確認或拒絕腦電信號解碼結果，避免解碼錯誤導致的風險。
之后，機器人配備了一系列參數化的基本技能，例如Pick（x，y，z）、Place（x，y，z）、Push（x，y，z，d）。
可以組合使用這些技能來完成人類指定的各種任務。
在這個過程中，解碼人類意圖既費時又費錢。所以研究團隊選擇讓機器人用基于檢索的少樣本學習，來學習人類的對象、技能和參數選擇。
這樣一來，在給定一個新的任務時，機器人會在記憶中找到最相關的經驗，并選擇相應的技能和對象。
舉個例子，假設人類在執行抓取杯子的任務，選擇了在杯子的某個特定位置抓取（比如杯子的把手）。機器人會記錄下當時的圖像，以及人類選擇的抓取點。
在之后的任務中，當機器人看到新的杯子圖像時，它會首先根據預訓練模型來分析這個新圖像，提取圖像的語義特征。
然后計算新圖像的特征和之前記錄的訓練圖像特征之間的相似度，找出最相似的一個點，作為它預測的抓取位置。
通過這種匹配圖像特征的方式，機器人只需要人類示范一次參數選擇，就可以在未來自己預測參數，而不需要人類每次都完全重新選擇一遍。
使用NOIR系統，3名人類參與者完成了上面我們所介紹的20項日常活動任務，其中包括16個桌面操作任務和4個移動操作任務。
在測試中，每個任務平均需要嘗試1.8次就能成功，平均完成時間為20.3分鐘，這其中主要是人類決策和解碼耗時，占總耗時的80%。
實驗各階段的解碼準確率和其它腦機接口研究差不多，但使用這種方法可以將對象和技能選擇時間降低60%，從45.7秒縮減到18.1秒。
作者簡介除了李飛飛教授、吳佳俊教授帶隊，論文共同一作有四位，分別是：
Ruohan Zhang
Ruohan Zhang是斯坦福視覺與學習實驗室（SVL）博士后研究員，同時也是Wu Tsai Human Performance Alliance研究員。
主要研究方向為機器人技術、人機交互、腦機接口、認知科學和神經科學。
Sharon Lee
Sharon Lee是斯坦福大學視覺與學習實驗室（SVL）研究生研究員。
Minjune Hwang
Minjune Hwang是斯坦福大學計算機科學研究生，于加州大學伯克利分校獲得計算機科學和統計學本科學位，曾在亞馬遜、微軟和蘋果進行研究。
Ayano Hiranaka
斯坦福大學研究生，本科畢業于伊利諾伊大學香檳分校。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
