一般科学家们都会通过给机器人设定好复杂的程序来训练机器人怎样进行沟通。如果只是用手势或者脑电波能更直观的操控机器人的话会是怎样的呢。

mit的计算机科学和人工智能研究所（csail）研究员们在这样的目标下开发了新的系统。这次的工作是把过去简单的二进制选择工作范围扩大到多重选择工作范围，为人类对机器人管理方法提供新的可能。

通过对大脑活动的监测，机器人在作业中如果发现错误的话会实时的感应的到。根据肌肉活动的测定判断手势来滚动页面，给机器人发送正确的指令。

研究组为了测试这项实验，让机器人在飞机模型三个钻探目标上，选择其中之一进行操作，重要的是这个系统之前没有见过这个人，这就说明了和陌生人也是可以有相同的效果的，不需要通过培训用户就可以使机器人在真实的环境中操作。

监督这次研究的 csail研究所 daniela rus所长表示“eeg(脑电图）和emg(肌电图）的反馈相结合，比只使用eeg反馈的时候应用范围更广，人与机器人的交互更自然，通过肌肉反馈，我们可以用手势在空间上控制机器人，并且更细微、更具体。

虽然在以前大部分研究上，用户都是非常具体的但是也需要用随意的方式去思考来训练系统，在之前的大多数工作中，系统通常只能识别大脑信号。与此同时，rus的团队利用了被称为“误差相关电位”（errps，error-related potentials）的大脑信号的力量。研究人员发现，如果出现errp，系统就会停止，用户可以纠正，如果没有，系统就会继续。这个接近法的优点就是没有必要以正确的方式为用户进行训练，机器对用户的适应是不需要的。

为了做这个项目，研究组利用了一款rethink robotics公司的人形机器人baxte，受到人监督的机器人把正确率从70%提高到97%。

为了建立这个系统，团队在头皮和手臂上布置了电极，为大脑活动做了eeg和肌肉活动emg. 原来两种测量指标各有各的缺点，eeg信号经常不稳定，emg信号除了映射向左向右很难映射出其他具体的动作。但是当这两个方法合并在一起之后，可以产生强大的生物传感，而且用户并不需要培训就可以使用。

研究小组表示“将肌肉与大脑信号相结合，系统能学习怎么样辨别错误和怎样做出决定，怎样自然的掌握手势”。人与机器人的交流变得更像是人与人之间的交流。

研究小组预测这个系统将会对老人，语言有障碍，移动不方便人士有很大的帮助。

以上是网络信息转载，信息真实性自行斟酌。