麻省理工学院计算机科学和人工智能实验室（CSAIL）和波士顿大学的研究人员合作设计了一个结合神经科学和机器学习以创建思维读取机器人的系统。严重地。该机器人可以阅读您的想法，以了解其是对还是错。

根据福布斯“研究人员创建了一个系统，该系统允许机器人在人类观察者注意到正在犯错误时实时纠正其错误。观察者只是坐在那里看。她没有与机器人或其他任何东西进行身体互动。如果观察者意识到发生错误，机器人会改变路线并做正确的事情。”

对于这个项目，该团队使用了Rethink Robotics的人类机器人，名为“ Baxter”。他们设计了一个系统，该系统检测到当一个人注意到错误时，当巴克斯特执行对象分类任务时。如果巴克斯特（Baxter）试图将项目放在不正确的箱中，则系统将向百特（Baxter）发送命令以纠正他的选择。该研究在论文中详细介绍使用EEG信号实时纠正机器人错误。

神经科学

该系统从记录大脑活动的脑电图（EEG）监测中获取数据。当人类观察者观看巴克斯特执行他的分类任务时，脑电图帽的信号被送入计算机。计算机分析了信号，以查看观察者是否认为巴克斯特是否正确地完成了他的工作。

然后，专用的计算机分析了脑电图信号，寻找与错误相关电位（ERRP）。错误是我们对意外错误的自然响应。当我们观察或犯错时，这些信号出现。

错误对机器人技术很有用，因为它们在一个人注意到错误后很快发生，通常在500ms之内可观察到。当该人注意到错误时，计算机向巴克斯特（Baxter）发出信号，他及时犯了一个错误，让他纠正自己的行为。

机器学习

研究人员使用12名人类参与者测试该系统。参与者没有以前在人机界面或脑电图方面的经验。他们只是被要求看着巴克斯特表演他的分类。

计算机系统处理了EEG信号以识别何时发生错误。该系统使用了MATLAB和金宝app捕获，处理和分类这些信号。

由于每个人的错误可能略有不同，机器学习被用来训练系统以识别相应的信号。每个参与者完成了四次试验。第一次通过试验收集培训数据。在此试验中，百特随机犯错以引入错误。

一个弹性网在12名参与者的第一次试验后，已实施和培训。这是通过寻找与巴克斯特犯下分类错误相对应的电气活动的变化来培训分类器的独特响应。

该团队的机器学习算法以不到30毫秒的速度将脑波分类。这使得分类能够在第二次到第四次试验中为每个人参加。监视了该人的想法，当检测到ERRP时，发出了信号，以便他可以从错误中“学习”并实时改变反应。

次要错误

百特并不总是完美的。该系统能够识别错误并在70％的时间内纠正Baxter。

研究人员发现，有时错误不足以使他改变自己的反应，即他们被错误分类。从那时起，研究人员注意到次要错误，相当于“糟糕……您仍然做错了”，开始发挥作用。如果巴克斯特没有纠正其行为，则脑电图信号显示出次要错误，事实证明这很容易进行分类。这使他的表现提高到90％。

人类机器人界面

该系统能够通过随机测试对象实现90％的精度。这些参与者没有接受特殊的培训来学习如何与机器人沟通。

作为新闻周刊报道说：“最大的突破是机器人能够理解人类控制者在思考的方式，而无需人改变自然的思维模式。过去在EEG控制的机器人技术中的工作要求培训人类以计算机可以识别的规定方式思考。”

这表明了改善人类机器人界面的潜力，该领域由于ADAS和家庭助理等创新而引起了强烈的兴趣。想象一下，如果您的Alexa设备可以播放错误的歌曲，或者您的自动驾驶汽车可以告诉您您认为这是错误的转弯。