【新智元导读】近日萝莉 胜利女神：nikke，来自麻省理工的辩论团队发表了 Ddog 表情，只需一副眼镜就不错欺压四足机器东谈主，匡助特地东谈主群重获但愿
还牢记之前的 AI 读心术吗？最近，「心想事成」的才略再次进化 —— 东谈主类不错通过我方的想法平直欺压机器东谈主了！
来自麻省理工的辩论东谈主员发表了 Ddog 表情，通过我方开发的脑机接口（BCI）开发，欺压波士顿能源的机器狗 Spot。狗狗不错按照东谈主类的想法，移动到特定区域、帮东谈主拿东西、或者拍照等。
而且，比拟于之前需要使用布满了传感器的头套才能「读心」，本次的脑机接口开发以一副无线眼镜（AttentivU）的形势出现！
视频中展示的步履也许比较陋劣，但这个系统的主张是将 Spot 校阅为粗略为患有肌萎缩侧索硬化症（ALS）、脑瘫或脊髓损害等疾病的东谈主士提供基本相易器具。
通盘系统的开动只需要两部 iPhone 和一副眼镜，却能给这些照旧对生计失去但愿的东谈主带去本体的匡助和热心。
况兼，咱们将在相干的论文中看到，这个系统本体上开发在零碎复杂的工程之上。
论文地址：点此检察
Ddog 系统使用 AttentivU 算作脑机接口系统，传感器镶嵌到镜框中，用来测量一个东谈主的脑电图 （EEG） 或大脑行动，以及眼电图或眼球领悟。
这项辩论的基础是 MIT 的 Brain Switch，一种及时的闭环 BCI，允许用户与照看东谈主进行非语言和及时的交流。
Ddog 系统告捷率为 83.4%，况兼，这是在个东谈主助理用例中初度将无线、非视觉 BCI 系统与 Spot 集成。
咱们不错看到脑机接口开发的进化之路，以及开发者的一些想考。
在此之前，辩论团队就照旧完成了脑机接口与智能家居的交互，而咫尺完成了欺压粗略移动和操作的机器东谈主。
这些辩论给了特地东谈主群一点光明，让他们有活下去的但愿，以至当年不错生计得更好。
比拟于章鱼相通的传感器头套，底下这个眼镜确乎酷多了。
阐述好意思国国度凄惨疾病组织的数据，咫尺好意思国有 30000 名 ALS 患者，且预计每年会诊出 5000 例新病例。此外，阐述《脑瘫指南》，大致有 100 万好意思国东谈主患有脑瘫。
这些东谈主中的很多东谈主照旧或最终将失去步辇儿、穿衣、语言、写稿以至呼吸的才略。
固然确乎存在通讯辅助器具，但大深广是允许用户使用推敲机进行通讯的眼睛谛视开发。允许用户与周围天下互动的系统并未几。
这种 BCI 四足机器东谈主系统算作一个早期的原型，为当代个东谈主助理机器东谈主的当年发展铺平了谈路。
但愿在当年的迭代中，咱们能看到愈加惊东谈主的才略。
脑控四足机器东谈主在这项使命中，辩论东谈主员探索了无线和可穿着 BCI 开发何如欺压四足机器东谈主 —— 波士顿能源公司的 Spot。
辩论东谈主员开发的开发通过镶嵌眼镜架中的电极测量用户的脑电图（EEG）和眼电图（EOG）行动。
用户在心中报恩一系列问题（「是」或「否」），每个问答齐对应一组预置的 Spot 操作。
比如教唆 Spot 穿过一个房间，提起一个对象（如一瓶水），然后为用户取回它。
机器东谈主与 BCI时于当天，脑电图仍然是最实用和最适用的非侵入性脑机接口门径之一。
BCI 系统不错使用内源性（自觉）或外源性（诱发）信号进行欺压。
在外源性脑机接口中，当一个东谈主防御外部刺激（如视觉或听觉陈迹）时，就会出现诱发信号。
这种门径的优点包括极简的试验以及高达 60 位 / 分钟的高比特率，但这需要用户恒久关注刺激，从而适度了其在推行生计中的适用性。而且，用户在使用外源性 BCI 时会很快感到疲劳。
在内源性脑机接口中，欺压信号安逸于任何外部刺激产生，不错由用户按需完全扩充。关于那些有嗅觉拦阻的用户来说，这提供了一种更当然和直不雅的交互模式，用户不错自觉地向系统发出敕令。
不外这种门径经常需要更长的试验时刻，况兼比特率较低。
使用脑机接口的机器东谈主应用经常适用于需要匡助的东谈主群，它们经常包括轮椅和外骨骼。
下图展示了截止 2023 年脑机接口和机器东谈主技能的最新发达。
四足机器东谈主经常用于在复杂的使命环境或国防应用中为用户提供辅助。
最闻明的四足机器东谈主之一是波士顿能源公司的 Spot，它不错佩戴高达 15 公斤的有用载荷，并迭代画图纯正等调遣站点的舆图。房地产和采矿业也在剿袭 Spot 等四足机器东谈主，匡助监控具有复杂物流的使命现场。
本文使用移动 BCI 贬责决策欺压的 Spot 机器东谈主，并基于默算任务，总体架构定名为 Ddog。
Ddog 架构下图展示了 Ddog 的总体结构：
Ddog 是一个自主应用要领，用户粗略通过 BCI 的输入欺压 Spot 机器东谈主，而应用要领使用语音向用户零碎照看东谈主员提供反馈。
该系统瞎想为完全离线或完全在线使命。在线版块具有一组更高等的机器学习模子，以及更好的微调模子，关于土产货开发也更省电。
通盘系统为信得过场景而瞎想，并允许对大深广零件进行快速迭代。
在客户端，用户通过移动应用要领与脑机接口开发（AttentivU）进行交互，该应用要领使用低功耗蓝牙（BLE）契约与开发进行通讯。
用户的移动开发与另一部欺压 Spot 机器东谈主的手机进行通讯，以已毕代理、垄断、导航，最终为用户提供匡助。
手机之间的通讯不错通过 Wi-Fi 或移动汇集。端庄欺压的手机开发一个 Wi-Fi 热门，Ddog 和用户的手机齐连结到这个热门。使用在线模式时，还不错连结到云上开动的模子。
行状端
行状器端使用 Kubernetes（K8S）集群，每个集群齐部署在我方的 Virtual Private Cloud（VPC）中。
云在专用 VPC 内使命，经常部署在更围聚最终用户的归并可用区中，使每个行状的反应蔓延最小化。
集群中的每个容器齐瞎想为单一用途（微行状架构），每个行状齐是一个正在开动的 AI 模子，它们的任务包括：导航、映射、推敲机视觉、垄断、定位和代理。
映射：从不同开头采集规划机器东谈主周围环境信息的行状。它映射静态的弗成移动数据（一棵树、一栋建筑物、一堵墙），但也采集随时刻变化的动态数据（一辆车、一个东谈主）。
导航：基于在先前行状中采集和扩充的舆图数据，导航行状端庄在空间和时刻上构建 A 点和 B 点之间的旅途。它还端庄构建替代阶梯，以及预计所需的时刻。
推敲机视觉：从机器东谈主录像头采集视觉数据，并左右手机的数据增强，生成空间和时刻示意。此行状还尝试分割每个视觉点并识别对象。
云端庄试验与 BCI 相干的模子，包括脑电图（EEG）、眼电图（EOG）和惯性测量单位（IMU）。
部署在手机上的离线模子开动数据采集和团聚，同期也使用 TensorFlow 的移动端模子（针对更小的 RAM 和基于 ARM 的 CPU 进行了优化）进行及时推理。
视觉和操作
用于部署分割模子的原始版块是左右 LIDAR 数据的单个 TensorFlow 3D 模子。之后，作家将其彭胀到少样本模子，并通过开动神经放射场（NeRF）和 RGBD 数据的补充模子进行增强。
Ddog 采集的原始数据是从五个录像头汇总而来的。每个录像头齐不错提供灰度、鱼眼、深度和红外数据。手臂的夹合手器里面还有第六个录像头，具有 4K 划分率和 LED 功能，融合预试验的 TensorFlow 模子检测对象。
点云由激光雷达数据以及由 Ddog 和手机的 RGBD 数据生成。数据采集完成后，通过单一坐标系进行归一化处理，并与汇集了整个成像和 3D 定位数据的全局景色相匹配。
操作完全取决于装配在 Ddog 上的机械臂夹合手器的质地，下图的夹具由波士顿能源公司制造。
实验中将用例适度在与预界说位置中的对象进行基本交互。
作家画图了一个大的实验室空间，将其建树为一个「公寓」，其中包含「厨房」区域（有一个装有不同杯子和瓶子的托盘）、「客厅」区域（带枕头的小沙发和小咖啡桌），和「窗口休息室」区域。
用例的数目在持续增长，因此隐藏大深广用例的唯独门径是部署一个系统以连气儿开动一段时刻，并使用数据来优化此类序列和体验。
AttentivU
色狼脑电图数据是从 AttentivU 开发采集的。AttentivU 眼镜的电极由自然银制成，阐述海外 10-20 电极扬弃系统，位于 TP9 和 TP10 位置。该眼镜还包括位于鼻托的两个 EOG 电极和一个位于 Fpz 位置的 EEG 参比电极。
这些传感器不错提供所需的信息，并在需要时辅助及时、闭环的侵犯。
开发具有 EEG 和 EOG 两种模式，可用于及时捕捉防御力、参与度、疲劳和判辨负荷的信号。EEG 已被用作廓清和睡觉之间过渡的神经生理学推敲，
而 EOG 基于测量眼球领悟经过中由于角膜-视网膜偶极子特色而领导的生物电信号。辩论标明，眼球领悟与扩充某些任务所需的挂念探问类型相干，况兼是视觉参与、防御力和嗜睡的高超估量圭表。
实验领先将脑电图数据分红几个窗口。将每个窗口界说为 1 秒长的 EEG 数据合手续时刻，与前一个窗口有 75% 的相通。
然后是数据预处理和清算。使用 50 Hz 陷波滤波器和通带为 0.5 Hz 至 40 Hz 的带通滤波器的组合对数据进行滤波，以确保排斥电力线噪声和不需要的高频。
接下来，作家创建了伪影拒却算法。淌若两个连气儿 epoch 之间的宽裕功率差大于预界说的阈值，则拒却某个 epoch。
在分类的终末一步，作家羼杂使用不同的光谱波段功率比来追踪每个受试者基于任务的心境行动。关于 MA，该比率为（alpha / delta）。关于 WA，该比值为（delta / low Beta），关于 ME，该比值为（delta / alpha）。
然后，使用变化点检测算法来追踪这些比率的变化。这些比率的一忽儿增多或减少标明用户精神景色发生了变化。
关于患有 ALS 的受试者，本文的模子在 MA 任务中达到了 73% 的准确率，在 WA 任务中达到了 74% 的准确率，在 ME 任务中达到了 60% 的准确率。
参考贵府：
https://www.therobotreport.com/ddog-mit-project-connects-brain-computer-interface-spot-robot/
本文来自微信公众号：新智元 （ID：AI_era）
告白声明：文内含有的对外跳转联络（包括不限于超联络、二维码、口令等形势），用于传递更多信息，从简甄选时刻萝莉 胜利女神：nikke，遵守仅供参考，IT之家整个著作均包含本声明。