Roboter "Telepathie" Könnte Selbstfahrende Autos Sicherer Machen

{h1}

Ein system, das menschliche gehirnwellen verwendet, um die fehler eines roboters in echtzeit zu korrigieren, könnte eines tages selbstfahrende autos sicherer machen.

Sind Sie nervös, wenn Sie Ihr Leben einem selbstfahrenden Auto anvertrauen? Was wäre, wenn Sie telepathisch mit dem Fahrzeug kommunizieren könnten, um es sofort zu informieren, wenn ein Fehler auftritt?

Das ist das ultimative Versprechen der Technologie, die von einem Team der Boston University und dem Labor für Informatik und künstliche Intelligenz (CSAIL) am Massachusetts Institute of Technology entwickelt wird. Der Techniker verwendet Gehirnsignale, um die Fehler eines Roboters automatisch zu korrigieren.

Die Verwendung einer sogenannten Gehirn-Computer-Schnittstelle (BCI) für die Kommunikation mit einem Roboter ist nicht neu, aber die meisten Methoden erfordern, dass die Menschen mit dem BCI trainieren und sogar lernen, ihre Gedanken zu modulieren, um die Maschine besser verstehen zu können, so die Forscher. [Die 6 seltsamsten Roboter, die je geschaffen wurden]

Durch die Verwendung von Hirnsignalen, die als "error-related potentials" (ErrPs) bezeichnet werden, die automatisch auftreten, wenn Menschen einen Fehler machen oder wenn jemand anderes einen ausfindig macht, erlaubt der Ansatz der Forscher sogar, dass ein kompletter Neuling einen Roboter mit dem Verstand steuert, den Forschern im Internet Neue Studie sagte. Dies kann erreicht werden, indem man den Aktionen des Bots einfach zustimmt oder nicht zustimmt, sagten die Forscher.

Arbeiten mit Maschinen

Diese Technologie könnte eine intuitive und sofortige Möglichkeit der Kommunikation mit Maschinen bieten, für so unterschiedliche Anwendungen wie die Überwachung von Fabrikrobotern zur Steuerung von Roboterprothesen.

"Wenn Menschen und Roboter zusammenarbeiten, müssen Sie im Grunde die Sprache des Roboters lernen, eine neue Art der Kommunikation mit ihm lernen und sich an seine Schnittstelle anpassen", sagte Joseph DelPreto, Ph.D. Kandidat bei CSAIL, der an dem Projekt mitgearbeitet hat.

"In dieser Arbeit wollten wir sehen, wie Sie den Roboter an uns anpassen können und nicht umgekehrt", sagte er gegenüber WordsSideKick.com.

Das System erkennt anhand von EEG-Hirnsignalen, wenn eine Person einen Fehler bei einem Roboter bemerkt.

Das System erkennt anhand von EEG-Hirnsignalen, wenn eine Person einen Fehler bei einem Roboter bemerkt.

Bildnachweis: Jason Dorfman / MIT CSAIL

Die neue Studie wurde am Montag (6. März) online veröffentlicht und wird im Mai auf der IEEE International Conference für Robotik und Automatisierung (ICRA) in Singapur präsentiert. In der Studie beschrieben die Forscher, wie sie von Freiwilligen Daten zur Elektroenzephalographie (EEG) sammelten, während diese Personen beobachteten, wie ein herkömmlicher humanoider Industrieroboter, Baxter, beschloss, welches von zwei Objekten erheben sollte.

Diese Daten wurden mithilfe von Machine-Learning-Algorithmen analysiert, die ErrPs in nur 10 bis 30 Millisekunden erkennen können. Dies bedeutet, dass die Ergebnisse in Echtzeit an den Roboter weitergeleitet werden könnten, sodass der Kurs auf halbem Weg korrigiert werden kann.

Das System verfeinern

Die Genauigkeit des Systems muss erheblich verbessert werden, gab das Team zu. In Echtzeitversuchen schnitt der Bot nur geringfügig besser ab als 50/50 oder der Zufall, wenn er Gehirnsignale als ErrPs klassifizierte. Das bedeutete, dass fast die Hälfte der Zeit die Korrektur vom Beobachter nicht bemerkte.

Und selbst bei einer ruhigeren Offline-Analyse habe das System nur in etwa 65 Prozent der Fälle die richtige Lösung gefunden, sagten die Forscher.

Aber als die Maschine ein ErrP-Signal verfehlte und ihren Kurs nicht korrigierte (oder keinen Kurs wechselte, wenn es kein ErrP gab), produzierte der menschliche Beobachter typischerweise ein zweites, stärkeres ErrP, sagte die CSAIL-Forscherin Stephanie Gil.

"Als wir das offline analysierten, stellten wir fest, dass die Leistung um bis zu 86 Prozent ansteigt, und wir schätzen, dass wir dies in der Zukunft um 90 Prozent steigern könnten. Unser nächster Schritt besteht also darin, diese in Echtzeit zu erkennen Außerdem nähern wir uns unserem Ziel, diese Roboter im laufenden Betrieb genau und zuverlässig zu steuern, "sagte Gil gegenüber WordsSideKick.com. [Bionische Menschen: Top 10 Technologien]

Dies sei jedoch schwierig, da dem System mitgeteilt werden müsse, wann auf das ErrP-Signal zu achten sei, sagten die Forscher. Derzeit erfolgt dies mit einem mechanischen Schalter, der aktiviert wird, wenn der Roboterarm beginnt, sich zu bewegen.

Ein sekundärer Fehler wird erst erzeugt, nachdem sich der Roboterarm bereits bewegt hat, so dass dieser Schalter dem System nicht signalisieren kann, nach einem ErrP zu suchen, sagten die Forscher. Dies bedeutet, dass das System neu gestaltet werden muss, um eine weitere Eingabeaufforderung bereitzustellen.

Was jetzt?

Die Studie ist gut geschrieben, sagte Klaus-Robert Müller, Professor an der Technischen Universität Berlin, der nicht an der neuen Forschung beteiligt war, aber auch an BCIs gearbeitet hat, die diese Fehlersignale ausnutzen. Er sagte jedoch, dass die Verwendung von ErrPs zur Steuerung von Maschinen nicht besonders neu ist, und er macht sich auch Sorgen über die niedrige ErrP-Klassifizierungsrate der erreichten Gruppe.

José del R. Millán, außerordentlicher Professor an der École Polytechnique Fédérale de Lausanne in der Schweiz, sagte, er stimme zu, dass die Leistung des ErrP-Decoders der Gruppe gering sei. Er glaubt jedoch, dass der Ansatz, den sie gewählt haben, immer noch "sehr vielversprechend ist", fügte er hinzu.

Milláns Gruppe hat ErrP-Signale verwendet, um einem Roboterarm den besten Weg zu zeigen, sich an einen Zielort zu bewegen. In einer Studie aus dem Jahr 2015, die in der Zeitschrift Scientific Reports veröffentlicht wurde, beschrieben Millán und seine Kollegen, wie der Arm ihrer Arbeit mit einer zufälligen Bewegung beginnt, die der menschliche Beobachter entweder für richtig oder falsch hält.

Durch einen maschinellen Lernansatz, der als Verstärkungslernen bezeichnet wird, werden die Fehlersignale verwendet, um den Ansatz des Roboters zu optimieren, sodass der Bot die beste Bewegungsstrategie für ein bestimmtes Ziel lernen kann. Millán sagte, der Einsatz von ErrP zur Steuerung von Robotern könnte in Zukunft breite Anwendungsbereiche haben.

"Ich sehe es für jede komplexe Mensch-Maschine-Interaktion, bei der die meiste Last auf der Maschinenseite liegt, weil sie nahezu autonom Aufgaben erledigen kann und die Menschen einfach nur beaufsichtigen", sagte er.

Originalartikel zu WordsSideKick.com.


Videoergänzungsan: Wie man aus Hefe Drogen macht! Weltrekord! - Clixoom Top 5 News.




DE.WordsSideKick.com
Alle Rechte Vorbehalten!
Die Wiedergabe Von Irgendwelchen Materialien Erlaubt Nur Prostanovkoy Aktiven Link Zu Der Website DE.WordsSideKick.com

© 2005–2019 DE.WordsSideKick.com