西风 发自 凹非寺。意念游戏样样
量子位 | 大众号 QbitAI 。操作
斯坦福李飞飞 、机器吴佳俊带队让《阿凡达》 。人成意念操控 。真李照进了实际 ！飞飞
现在 ，团队仅仅是打造需求动动脑子就能操作机器人 。
想吃寿喜锅不必自己着手 ，意念游戏样样切菜备菜 、操作倒入食材 ，机器机器人趁热打铁 ：
煮饭 、人成烹茶样样都行 ：
忙完还能顺便把桌面清理了：
你认为这就完了 ？这个机器人玩起游戏来也是真李一把能手：
乃至还能帮你熨衣服 ：
关键是，周围的飞飞操作者仅仅是需求坐在那里“冥想”即可 ，无需手摇摇杆 。团队
能做到这些，都要得益于研讨团队最新开发脑机接口体系—— 。NOIR 。 。
这是一个通用的智能体系 ，运用者无需佩带侵入性设备，机器人能够从脑电信号中解码人类目的 。
而且它还配有一个“技术库” ，能够随意组合各种技术完结人类指令 ，轻松应对高达 。20项日常使命 。 。
要知道 ，惯例脑机接口体系一般仅仅是专心于一项或几项使命 。
现在这项研讨已收录于机器人顶会CoRL 2023：
围观网友一口一个哦买噶 ：
- 哦买噶 ，游戏规则改动者 ！
清华叉院助理教授许华哲也来谈论区助威：
- 哦买噶 ，赛博朋克 ！
这个NOIR体系终究是什么 ？机器人为何能完结这么多使命 ？
正如上文所说 ，这个机器人精干的事儿多着呢 。
干酪撒粉这种使命也能轻松完结 ：
拆包裹 、收拾桌面这种活就更不在话下 ：
而其背面的这个NOIR体系 ，简略来说能够分为两部分 ：模块化解码管线、有原始技术库的机器人体系 。
主打一个让机器人主动学习猜测人类目的 。
详细来说，模块化管线将解码人类目的进程分为三个模块 ：
1）挑选什么目标？
方法是在屏幕上显现使命场景，运用目标的闪耀影响发生SSVEP信号；每个目标以不同频率闪耀，人类凝视某目标时 ，脑电信号中该频率成分增强 。
然后用Canonical Correlation Analysis(CCA)方法 ，剖析不同频率的相关性 ，承认人类凝视的目标 。
2）怎样交互？
这部分是经过提醒人类幻想履行某些技术(左手 、右手等)发生运动意象信号 ，然后运用滤波和Common Spatial Pattern (CSP)算法预处理信号 。
最终运用Quadratic Discriminant Analysis (QDA)进行4类辨认 ，承认技术挑选 。
3）在哪交互 ？
人类幻想操控光标的左右运动来挑选技术履行的详细参数 。相同经过CSP和QDA处理并解码脑电信号，判别人类是左仍是右 。
研讨人员还设置了安全机制，选用肌肉严重信号来承认或回绝脑电信号解码效果 ，防止解码过错导致的危险 。
之后 ，机器人装备了一系列参数化的根本技术 ，例如Pick（x ，y ，z） 、Place（x ，y，z） 、Push（x ，y，z ，d） 。
能够组合运用这些技术来完结人类指定的各种使命 。
在这个进程中 ，解码人类目的既费时又费钱 。因而研讨团队挑选让机器人用依据检索的少样本学习 ，来学习人类的目标 、技术和参数挑选 。
这样一来 ，在给定一个新的使命时 ，机器人会在回忆中找到最相关的经历 ，并挑选相应的技术和目标 。
举个例如 ，假设人类在履行抓取杯子的使命，挑选了在杯子的某个特定方位抓取（例如杯子的把手） 。机器人会记载下其时的图画 ，以及人类挑选的抓取点。
在之后的使命中 ，当机器人看到新的杯子图画时 ，它会首要依据预练习模型来剖析这个新图画 ，提取图画的语义特征 。
然后核算新图画的特征和之前记载的练习图画特征之间的类似度 ，找出最类似的一个点 ，作为它猜测的抓取方位 。
经过这种匹配图画特征的方法 ，机器人仅仅是需求人类演示一次参数挑选 ，就能够在未来自己猜测参数 ，而不需求人类每次都彻底从头挑选一遍。
运用NOIR体系 ，3名人类参与者完结了上面咱们所介绍的20项日常活动使命 ，其间包含16个桌面操作使命和4个移动操作使命。
在测验中，每个使命均匀需求测验1.8次就能成功 ，均匀完结时刻为20.3分钟 ，这其间首要是人类决议方案和解码耗时 ，占总耗时的80%。
试验各阶段的解码准确率和其它脑机接口研讨差不多，但运用这种方法能够将目标和技术挑选时刻下降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 ，论文一起一作有四位 ，分别是 ：
Ruohan Zhang。
Ruohan Zhang是斯坦福视觉与学习试验室（SVL）博士后研讨员 ，一起也是Wu Tsai Human Performance Alliance研讨员 。
首要研讨方向为机器人技术 、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试验室（SVL）研讨生研讨员 。
Minjune Hwang 。
Minjune Hwang是斯坦福大学核算机科学研讨生 ，于加州大学伯克利分校取得核算机科学和统计学本科学位 ，曾在亚马逊 、微柔和苹果进行研讨 。
Ayano Hiranaka。
斯坦福大学研讨生，本科毕业于伊利诺伊大学香槟分校 。
论文链接 ：https://arxiv.org/abs/2311.0145 。
参照链接 ：
[1]https://twitter.com/drjimfan/status/1722674119794434187 。
[2]https://twitter.com/ruohanzhang76/status/1720525179028406492
。
（作者：车载配件）