本文 ITIIIITITDCDDDDSA你还记 就半导体行业资讯微信号大洋网综合来自“36氪，作者：谭菲君”相关报道，感谢原作者付出，如转载不当，请及时联系后台，谢谢.
截止到目前，虽然已经见识到各种各样机器人的活蹦乱跳，但我们仍然会突发奇想：
能不能像小时候看《数码宝贝》一样，来个用意念控制机器人（事实是这个想法贯穿了笔者的整个童年），然后指挥它们加入战斗？
没想到，这个星球再一次印证了“人类必须敢于想才能发生奇迹”的真理……
最近，MIT的确开发了一款名叫Baxter的新机器人。这个机器人的最神奇的地方，就在于其完全可以根据探测到的人脑脑电图来审视自己的行为是否正确。
看到这里，我们不由得内心一紧：这个成果好像离“意念控制”真的不远了。
红灰相间的机器人Baxter
一、Baxter究竟是怎么运作的？
Baxter是由麻省理工学院的计算机科学与人工智能实验室（CSAIL）以及波士顿大学的人工智能团队联手开发的智能机器人。
从上图我们可以看到，Baxter的身体是红灰相间的，脸部就是一个显示屏的形状，上面还画着Q版的眼睛盒眉毛，看上去完全可爱！
它还有一套配套装备，就是下图套在人头部的这个挂满各种电线的“帽子”。
这个“帽子”可以监测到你脑部的脑电图（EEG），只要寻找到被称为“误差相关电位（ErrP）”的特定脑信号，Baxter就可以判断自己的行为是否正确，并及时作出纠正。
Baxter的配套装备—装满电线的“帽子”
“误差相关电位（ErrP）”的特定脑信号是由人体在意识到某件事错误的时候自动生成的，但是由于ErrP信号十分微弱，因此，Baxter的系统会根据综合情况进行微调，以便接收信号并对其进行分类，从而作出判断。
而CSAIL研究科学家Stephanie Gil表示，Errp信号就是决定人脑能否控制机器的最关键因素：
“这些信号可以显著提高识别精度，创造人类和机器人之间的沟通的可能性。”
Baxter根据人的脑电波判断东西有没有放错框
此外，CSAIL开发的最新机器学习算法能够将Baxter识别脑电波的时间控制10到30毫秒之间，从而实现人与机器之间实时的信息交换。
研究人员相信，现在Baxter对于ErrP电波识别的精确度已高达90%。至于剩下Baxter无法判断的10%的问题，它会简单终止操作，然后询问与它相连的操作人员，得到一个更准确的答案再去识别。
这个流程的设定极大地减少了机器犯错的概率和决策沟通的时间。
二、为什么要研发Baxter？
人类开发机器人的目的之一是为了让它们成为人体的延伸，那么向他们教授人类复杂多样的语言，让他们明确理解我们的指令就显得格外重要。
目前，流水线上为特定任务专门制造的工厂机器人很少犯错误，但一旦它们犯错，代价就会是巨大的。因此，科学家们希望人类可以通过远程操控机器人的决策，并及时处理潜在的问题。
当然，这里的“远程”肯定不是手动控制，而是通过一个系统来连通机器人与人类大脑。
正在流水线上工作的Baxter
长久以来，研究人员都试图开发可以直接通过大脑信号控制的机器人。但问题是，为了做到这一点，大多数时候人类必须以特定计算机可以识别的方式来“思考“。
例如，需要特定的闪光灯来传递信号。但很显然，这是一个非常不自然的过程。
因此，MIT的CSAIL实验室决定研发这样一套系统，使得我们不必训练自己用机器能理解的方式思考，而是让机器来理解我们的想法。
当然，Baxter距离完全理解人类还有很漫长的一段路要走。它现在的系统只能支持一些相对简单的二进制选择活动（就是“判断对错”）。
三、Baxter可以应用在什么地方？
德国弗莱堡大学计算机科学的教授Wolfram Burgard认为。Baxter这种将人类语言直接转化成机器信号领域的研究，会对人机协作的未来产生重大影响。
而人机协作的不断深化也注定了Baxter未来的应用领域相当广泛。
无论是监督工厂里流水线生产的工厂机器人，还是监测马路上飞驰的无人驾驶车；无论是天上飞的无人机，还是太空中各种机器设备；甚至是某些我们还没有发展出来的技术……
Baxter在生产线上工作
如果机器真的可以根据我们的脑波直接接收到我们的指示，这种简化方案既能够最大化地保障安全，也可以以最快的速度中止错误指令。
参与Baxter研发的波士顿大学博士 Salazar-Gomez还指出，该系统甚至可以方便那些口头交流有障碍的人的病患及残疾群体。
可以想象，正如法国作家多米尼克鲍比当年靠着全身上下唯一能动的左眼眼皮的闪动写出了著名的《潜水钟与蝴蝶》一样，未来语言沟通不畅的人们也可以利用脑电波与机器相连，为这个世界创造出更多财富。
广东硕源科技股份有限公司精研无尘布、无尘服、无尘帽多年，一直专注为半导体等高精密电器元件公司持续供应无尘室耗材，公司拥有一千余平方米的十级、百级、千级无尘室车间生产产品。产品质量有保障，欢迎订购！
想看更多精彩，请关注以下内容
↓↓↓↓↓
