斯坦福李飞飞、吴佳俊带队让《阿凡达》意念操控照进了现实！

现在，只需要动动脑子就能操纵机器人。

想吃寿喜锅不用自己动手，切菜备菜、倒入食材，机器人一气呵成：

做饭、烹茶样样都行：

忙完还能顺便把桌面清理了：

你以为这就完了？这个机器人玩起游戏来也是一把好手：

甚至还能帮你熨衣服：

关键是，旁边的操纵者只需要坐在那里“冥想”即可，无需手摇摇杆。

能做到这些，都要得益于研究团队最新开发脑机接口系统——NOIR。

这是一个通用的智能系统，使用者无需佩戴侵入性设备，机器人可以从脑电信号中解码人类意图。

并且它还配有一个“技能库”，可以随意组合各种技能完成人类指令，轻松应对高达20项日常任务。

要知道，常规脑机接口系统一般只专注于一项或几项任务。

目前这项研究已收录于机器人顶会CoRL 2023：

围观网友一口一个哦买噶：

清华叉院助理教授许华哲也来评论区捧场：

这个NOIR系统究竟是什么？机器人为何能完成这么多任务？

正如上文所说，这个机器人能干的事儿多着呢。

干酪撒粉这种任务也能轻松完成：

拆包裹、整理桌面这种活就更不在话下：

而其背后的这个NOIR系统，简单来说可以分为两部分：模块化解码管线、有原始技能库的机器人系统。

主打一个让机器人自动学习预测人类意图。

具体来说，模块化管线将解码人类意图过程分为三个模块：

1）选择什么对象？

方法是在屏幕上显示任务场景，利用对象的闪烁刺激产生SSVEP信号；每个对象以不同频率闪烁，人类注视某对象时，脑电信号中该频率成分增强。

然后用Canonical Correlation Analysis(CCA)方法，分析不同频率的相关性，确定人类注视的对象。

2）如何交互？

这部分是通过提示人类想象执行某些技能(左手、右手等)产生运动意象信号，然后使用滤波和Common Spatial Pattern (CSP)算法预处理信号。

最后利用Quadratic Discriminant Analysis (QDA)进行4类识别，确定技能选择。

3）在哪交互？

人类想象控制光标的左右运动来选择技能执行的具体参数。同样通过CSP和QDA处理并解码脑电信号，判断人类是左还是右。

研究人员还设置了安全机制，采用肌肉紧张信号来确认或拒绝脑电信号解码结果，避免解码错误导致的风险。

之后，机器人配备了一系列参数化的基本技能，例如Pick（x，y，z）、Place（x，y，z）、Push（x，y，z，d）。

可以组合使用这些技能来完成人类指定的各种任务。

在这个过程中，解码人类意图既费时又费钱。所以研究团队选择让机器人用基于检索的少样本学习，来学习人类的对象、技能和参数选择。

这样一来，在给定一个新的任务时，机器人会在记忆中找到最相关的经验，并选择相应的技能和对象。

举个例子，假设人类在执行抓取杯子的任务，选择了在杯子的某个特定位置抓取（比如杯子的把手）。机器人会记录下当时的图像，以及人类选择的抓取点。

在之后的任务中，当机器人看到新的杯子图像时，它会首先根据预训练模型来分析这个新图像，提取图像的语义特征。

然后计算新图像的特征和之前记录的训练图像特征之间的相似度，找出最相似的一个点，作为它预测的抓取位置。

通过这种匹配图像特征的方式，机器人只需要人类示范一次参数选择，就可以在未来自己预测参数，而不需要人类每次都完全重新选择一遍。

使用NOIR系统，3名人类参与者完成了上面我们所介绍的20项日常活动任务，其中包括16个桌面操作任务和4个移动操作任务。

在测试中，每个任务平均需要尝试1.8次就能成功，平均完成时间为20.3分钟，这其中主要是人类决策和解码耗时，占总耗时的80%。

实验各阶段的解码准确率和其它脑机接口研究差不多，但使用这种方法可以将对象和技能选择时间降低60%，从45.7秒缩减到18.1秒。

除了李飞飞教授、吴佳俊教授带队，论文共同一作有四位，分别是：

Ruohan Zhang

Ruohan Zhang是斯坦福视觉与学习实验室（SVL）博士后研究员，同时也是Wu Tsai Human Performance Alliance研究员。

主要研究方向为机器人技术、人机交互、脑机接口、认知科学和神经科学。

Sharon Lee

Sharon Lee是斯坦福大学视觉与学习实验室（SVL）研究生研究员。

Minjune Hwang

Minjune Hwang是斯坦福大学计算机科学研究生，于加州大学伯克利分校获得计算机科学和统计学本科学位，曾在亚马逊、微软和苹果进行研究。

Ayano Hiranaka

斯坦福大学研究生，本科毕业于伊利诺伊大学香槟分校。