机器人手臂、机器学习算法和脑机接口被结合在一起创造一种帮助四肢瘫痪患者的方法(那些不能移动上半身或下半身的人)与他们的世界互动。虽然这并不是第一次使用大脑接口来控制机器人，但这一技术在无需患者输入的情况下，通过估计和理解大脑信号，使这项技术又向前迈进了一步。
这项研究由瑞士洛桑联邦理工学院(EPFL)的研究人员完成。教授这是桌球他是EPFL学习算法与系统实验室的负责人José del R. Millán他曾是EPFL脑机接口实验室的负责人，他合作开发了一种计算机程序，可以利用患者大脑的电信号来控制机器人。
病人的大脑活动由脑电图帽监控，它能有效地扫描你脑内的电活动。然后，这些脑电波将通过计算机发送，由机器学习算法进行解释。当病人注意到错误时，算法会转换大脑信号，当大脑不喜欢某个动作时自动推断。
在该团队的研究中，他们使用了带有眼镜的机械臂。手臂会向玻璃移动，病人的大脑会决定他们觉得离玻璃太近还是太远。这个过程一直重复，直到机器人明白了个体偏好的最佳路线——既不太近会有风险，又不太远会浪费移动时间。
“我们正在记录的大脑信号将永远不会是相同的。随着时间的推移，我们会有变化，这是很自然的。为什么?因为如果我移动我的手，大脑不仅专注于这个，大脑还处理许多其他事情。”Millán说道。“因此，存在这种可变性的事实意味着我们的解码器永远不会百分之百准确。”
然而，通过本研究中使用的机器学习算法，机器人可以更好地理解可变性，从而预测特定情况下的大脑信号。例如，在经过玻璃时的距离偏好，或者在实际情况中，坐在轮椅上的四肢瘫痪患者愿意与街上的其他人保持多近的距离。
在轮椅上实现该算法是未来该技术发展方向的一个例子。这将使坐轮椅的人对自己的行动、速度和一般安全有更大的控制。该算法可以解读大脑信号，以理解用户的速度偏好、他们与障碍物和人群的距离，甚至在特定情况下他们愿意承担的风险水平，例如，如果他们迟到了或在某个繁忙的地方。
”例如，使用这种算法而不是使用语音是很有趣的，因为有些事情你不一定能轻易地表达出来，”比拉德说。“例如，外行人可能无法表达他们不喜欢轮椅的加速。你到底不喜欢什么?之后如何转化为控制参数呢?”
这就是该技术与其他残疾辅助设备不同的地方。通过让算法理解来自大脑的信号，它可以准确地解释个人无法解释自己的感觉。然而，这确实需要算法随着时间的推移保持一致性，并且检测在统计上被证明是显著的。
如果没有这种一致性，算法可能会在现实生活中被抛弃。例如，如果有人在人群中驾驶轮椅，并在争吵中超过了人们，这个人可能会产生一个与驾驶经验无关的错误。
阅读更多:
作者
Alex是BBC科学焦点的特约撰稿人。自2018年毕业以来，他一直从事技术和科学新闻工作，对消费技术、机器人、人工智能和未来技术感兴趣。
