这个机器人通过观察你的二头肌来帮助你举起物体

我们人类非常善于合作。例如，当两个人一起搬运像桌子或沙发这样的重物时，他们往往会本能地协调自己的动作，并不断重新校准，以确保他们的手与另一个人处于同一高度。我们做出这种调整的天生能力使我们能够在大大小小的任务上合作。

但是计算机或机器人仍然不能轻易跟随人类的领导。我们通常使用机器对话来显式地对它们进行编程，或者训练它们理解我们的话，像Siri或Alexa这样的虚拟助手。

相比之下，麻省理工学院计算机科学和人工智能实验室(CSAIL)的研究人员最近表明，通过他们的新系统可以实现更顺畅的机器人-人类协作，在这个系统中，机器通过监控肌肉运动来帮助人们提起物体。

该系统名为RoboRaise，涉及在用户的二头肌和三头肌上放置肌电图(EMG)传感器，以监控肌肉活动。然后，它的算法不断检测人类手臂水平的变化以及用户可能做出的离散上下手势，从而实现更精细的运动控制。

该团队使用该系统执行一系列任务，包括拾取和组装模拟飞机部件。在实验中，用户使用机器人来完成这些任务，他们可以通过抬起然后收紧手臂，将手臂控制在所需高度的几英寸范围内。手势在使用时更加准确，机器人对70%左右的手势反应正确。

研究生约瑟夫德尔普雷托(Joseph DelPreto)表示，他可以想象人们使用RoboRaise来帮助制造和建筑设置，甚至在家里做助手。

“我们用机器人举起物体的方法旨在直观，类似于你如何用另一个人举起物体——大致复制彼此的动作，同时推断出有用的调整，”丹尼尔拉鲁斯说，她是麻省理工学院项目新论文的第一作者教授和CSAIL主任。“关键的洞察力是使用非语言线索来编码如何协调的指令，例如提升一点或更多。用肌肉信号来交流，几乎让机器人成为你可以流畅控制的延伸。”

该项目建立了团队现有的系统，允许用户通过脑电波和手势立即纠正机器人错误，现在可以通过更协作的方式实现连续移动。“我们的目标是开发人机交互，让机器人适应人类，而不是相反。这样，机器人就变成了人工劳动的智能工具，”罗斯说。

EMG信号可能很难处理：它们通常非常嘈杂，很难根据肌肉活动准确预测四肢的运动。即使你可以估计一个人的移动方式，你希望机器人本身做出反应的方式可能也不清楚。

RoboRaise通过控制人类来解决这个问题。该团队的系统使用非侵入性的身体传感器，可以在你紧张或放松肌肉时检测神经元的放电。使用可穿戴设备还可以解决遮挡或环境噪音的问题，这些问题可能会使涉及视觉或语音的任务变得复杂。

RoboRaise的算法然后处理二头肌活动，以估计人的手臂如何移动，因此机器人可以大致模仿它，人们可以稍微收紧或放松手臂来上下移动机器人。如果用户需要机器人离开自己的位置或保持其姿态一段时间，他们可以向上或向下做手势，以便更好地控制；神经网络可以根据二头肌和三头肌的活动随时检测到这些手势。

新用户可以很快开始使用该系统，只需最少的校准。戴上传感器后，他们只需要伸展和收紧手臂几次，然后将重量提升到几个高度。用于手势检测的神经网络仅针对来自先前用户的数据进行训练。

该团队通过一系列三个举起实验系统地测试了10名用户：一个是机器人完全不动，一个是机器人响应他们的肌肉而移动，但对举起物体没有帮助，另一个是机器人和人一起举起一个物体。

当人们从机器人那里得到反馈时——当他们看到机器人在移动或者他们一起举起某物时——到达的高度比没有反馈要精确得多。

该团队还测试了RoboRaise的组装任务，例如将橡胶板提升到基础设施上。它可以成功地将刚性和柔性物体提升到基座上。RoboRaise是在团队的Baxter人形机器人上实现的，但团队表示它可以应用于任何机器人平台。

未来，该团队希望在系统中添加更多肌肉或不同类型的传感器，以增加自由度，最终目标是执行更复杂的任务。肌肉活动疲劳或疲劳等提示也可以帮助机器人提供更直观的帮助。该团队测试了该系统的一个版本，该版本使用二头肌和三头肌水平来告诉机器人人们握住物体末端的僵硬程度；人和机器一起可以流畅地拖动或拉紧物体。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！