斯坦福大学推出NOIR智能人脑-机器人接口

在2023年11月举行的第七届机器人学习年会上，斯坦福大学的研究团队展示了一种智能人脑-机器人接口，名为NOIR（Neural Signal Operated Intelligent Robots）。该系统通过脑电图（EEG）将人类意图传达给机器人，实现了通过脑信号控制机器人的功能。

NOIR系统的主要功能

NOIR系统能够执行20种不同的日常任务，包括烹饪、清洁、个人护理等。其核心目标是通过人工智能学习和适应用户的意图，从而提高系统的有效性。

NOIR通过机器人学习算法的协同集成，能够适应个体用户并预测其意图，从而改善人类与机器人的交互方式，用直接的神经通信取代传统的交互渠道。

NOIR系统的组成部分

NOIR系统由两个主要组件构成：

1. 意图解码组件：该组件通过EEG信号解码用户意图。具体包括三个模块：

   • 目标对象识别：利用稳态视觉诱发电位（SSVEPs）来识别用户想要操作的对象。SSVEPs是通过视觉刺激产生的节律性信号，使用典型相关分析（CCA）进行分类，以匹配EEG信号并识别对象。
   • 动作解码：通过运动想象（MI）信号，将用户的意图转化为四种类别：左手、右手、腿和休息，以识别用户想象中用于执行任务的身体部位。
   • 位置选择：再次使用EEG信号在屏幕上引导光标，选择技能执行的位置。此外，系统还集成了安全机制，通过收集面部肌肉的电信号来确认或中断操作。例如，用户皱眉或咬紧牙关时产生的信号会被解读为否定回应。
2. 机器人技能库：该组件实现了参数化的机器人技能库，包括拾取、推动、放置等基本技能。这些基本技能可以组合成更复杂的任务。

NOIR系统的性能

NOIR系统已经能够完成20项长期任务，每项任务由4到15个技能组成，包括准备餐食、清洁、个人护理和娱乐等。每项任务平均需要1到3.33次尝试，平均完成时间约为20分钟。

未来展望

尽管NOIR系统在与人类执行相同任务时存在一定的效率问题，尤其是在初次尝试时，但研究人员相信，随着时间推移，机器人学习方法有潜力解决这些效率问题，进一步提升系统性能。