MIT機器人參加風靡全球的「踢瓶蓋挑戰」，模仿人類肌肉，任務正確率97％

導讀

前段時間，瓶蓋挑戰賽一下子火遍了社交網路，面對著人類花式的開蓋風采，來自MIT的機器人Baxter坐不住了，通過對肌肉神經信號的處理，也呈現了一把「蓋世風采」。

作者：風雨撫蕖

編輯：Alley

自從哈薩克的跆拳道冠軍法拉比@傑森·斯坦森、成龍發起瓶蓋挑戰賽以後，整個社交網路都興起了一股「踢瓶蓋」之風。

小編最服氣的是來自戰鬥民族的硬核瓶蓋挑戰，請各位穿上防爆服觀賞

面對著人類的花式「作妖」，機器人界一直保持著沉默，終於來自MIT計算機科學與人工智慧實驗室（CSAIL）的機器人Baxter打破了平靜。

秉承著「人類做啥我做啥」的原則，這款機器人迫不得已用手完成了瓶蓋挑戰賽。為什麼不是腳？因為沒有jio……

「迫不得已」只因人機協作

根據小編的了解，機器人一開始是不願意參加這項挑戰的。但是迫於搭載的RoboRaise新系統，機器人Baxter最終還是不得不完成這個任務。

RoboRaise是一款人機協作的新系統，能夠讀懂人類的「手語」，不用人類輸入代碼或語言命令進行控制，機器人就能夠自己進行調整，達到協作的目的。

使用該系統時，用戶需要在肱二頭肌和肱三頭肌上貼上無創肌電圖（EMG）感測器，系統便能夠監測在手臂彎曲、用力和放鬆時肌肉發出的不同的電信號，來判斷該移動是向上還是向下。

我們可以看到，機器人能通過研究人員的上下試探，以較快的速度模仿研究人員的動作。

目前機器人能夠對70％的手勢做出正確反應，抬高誤差不超過幾英寸，這就實現了我們的「瓶蓋挑戰」。

從機器人蒼白的笑臉里，我們看到了它對自己實力的滿意……

腦電波加持，協作更精準

不過研究人員還是不夠滿意，畢竟那30%的不準確會帶來難以估量的後果。

研究人員還研發了一款結合腦波控制系統，該系統同時結合了腦電圖（EEG）和肌電圖（EMG）。

通過在人類的頭部和前臂放置電極，對比腦電波和肌電信號判斷機器人工作時是否出現了錯誤，將機器人完成任務的正確率從70%上升到了97%，有效地提升了人機溝通的效率。

在未來，該團隊希望在系統中採集其它更多的肌肉信號，增加機械臂的自由度，最終執行更複雜的任務。

絕不僅僅是「開瓶器」

瓶蓋挑戰賽不過只是「隨手之舉」，未來研究人員希望這套機器人系統能夠更好的協助人類。

跟隨人的意識做出一系列的反映，比如搬個磚、蓋個房，帶個娃…

不過正如腦機介面所遇到的困境那樣，面對著複雜的信號，連人類自己都沒有很好的理解自己的腦子在想什麼，想讓機器人理解就更困難，不過現在算是開了個好頭。

END

看累了嗎？戳一下「在看」支持我們吧！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！