爱因斯坦曾说，“唯一真正有价值的东西是直觉”。但直觉这种东西很难言传身教，尤其是对机器而言。如何让机器感知人类直觉并作出正确的反馈？这可能是每个人都会关心的问题。
　　我们想与机器实现如人与人间那样的无缝交流，但使用预先指定的语音/触摸屏命令或设置复杂的传感器后，往往让机器变得很笨拙。让机器理解我们的非语言暗示，比如手势，可能是实现更广泛人机协作的重要一步。此外，肌肉信号也可以为机器提供难以从视觉上观察到的状态信息。

　　一项来自麻省理工学院计算机科学与人工智能实验室（MIT CSAIL）研究学者的新研究，或许可以实现“近乎无缝”的人机协作。相关论文已发表在ACM/IEEE国际人机交互会议上。
　　“我们设想这样一个世界——机器可以帮助人类进行认知和体力劳动。但要做到这一点，机器需要主动适应人类，而不是人类去适应机器。”麻省理工学院计算机科学与人工智能实验室主管、论文作者之一丹妮拉·罗斯教授说。

　　在一个名为“Conduct-A-Bot”的系统中，研究人员通过在肱二头肌、肱三头肌和前臂上放置肌电图和运动传感器，使用简单手势和肌肉信号成功操控了机器的动作。该系统旨在减少普通用户与机器交互的障碍，通过使用少量可穿戴传感器和即插即用的机器学习算法，为人类与机器助手或其他电子设备进行更自然地交流建立了新的可能。

　　研究学者表示，该系统可用于各种潜在场景，包括电子设备上的导航菜单和监督自主机器人。在这项研究中，测试对象为“Parrot Bebop 2”無人机，通过旋转手势、握紧拳头、紧绷手臂和移动前臂等动作，控制无人机向左右、上下和前后移动，以及旋转和停止。结果显示，无人机在 1500 次实验中正确识别了 82% 的手势，识别准确率较高。
　　在无人机试验中，基本手势对应动作如下：紧绷上臂，使无人机停止运动（类似于人在犯错时表现出的短暂畏缩）：肱二头肌和肱三头肌信号;单手左右、上下摆动，使无人机侧向或垂直移动：前臂肌肉信号（用前臂加速度计指示手的方向）;握拳，使无人机向前移动：前臂肌肉信号;顺时针/逆时针旋转，使无人机转向：前臂陀螺仪。
　　快速理解人类手势，有助于机器对人类在日常生活中使用的非语言信号作出正确反馈。“该系统可以帮助我们与机器进行无缝互动，就像人与人那样。”论文第一作者约瑟夫·德尔普雷托表示。
　　在此次无人机试验中，该系统无需离线校准或训练数据就能检测预定义的手势，只需简单佩戴 EMG（肌电图）和 IMU（惯性测量单元）传感器，就可以远程操控无人机。佩戴在肱二头肌和肱三头肌上的肌电图传感器用于检测上臂肌肉何时紧绷，前臂上的肌电图和运动传感器则用于检测手势和肌肉信号。
　　当研究人员在做控制机器的手势时，该系统会根据来自肌肉的信号进行自动校准，从而使普通用户可以更快、更容易地与机器互动。在这一过程中，该系统利用机器学习算法同步处理采集到的肌肉信号，实时检测手势，且无需进行任何离线校准。
　　机器学习分类器使用可穿戴传感器检测手势。无监督分类器对肌肉和运动数据进行处理，并对其进行实时聚类，学习如何将手势与其他动作区分开来，神经网络也可以通过前臂肌肉信号预测手腕的弯曲或伸展。
　　研究人员表示，“这个系统使我们实现与机器无缝工作的愿望又近了一步”，它们会成为更有效和更智能的工具以完成日常任务。
　　然而，要想在现实场景中普遍有效，就需要保证该系统简单可用。研究人员表示，该系统根据以前用户的数据进行训练，而不需要每个用户提供新的训练数据;该系统只使用两、三个可穿戴传感器，不需要其他多余的东西，大大降低了普通用户与机器互动的障碍。
　　这种类型的系统最终可以应用于人机协作的一系列应用，包括远程探测、个人助理机器人，或者像运送物品或搬运材料这样的机械任务。
　　此外，该系统可能为未来的非接触工作开辟一个新领域。比如，在保持一个安全距离的前提下，我们可以控制机器人打扫医院病房、为病人开药等。
　　未来，研究小组希望扩大测试对象范围，比如增加更连续的或用户自定义的手势。最终，研究人员希望机器可以从这些人机互动中自我学习，从而更好地理解任务，提供更有预见性的帮助，增加它们的自主权。（摘自美《深科技》）（编辑/诺伊克）