使用来自记录大脑活动的脑电图(EEG)监视器的数据，系统可以检测到一个人在机器人执行对象分类任务时是否注意到错误。该团队新颖的机器学习算法使系统能够在10到30毫秒的时间内对脑电波进行分类。

虽然该系统目前处理相对简单的二元选择活动，但该论文的高级作者表示，这项工作表明我们有朝一日能够以更直观的方式控制机器人。

“想象一下，能够立即告诉机器人做某个动作，而不需要输入命令，按下按钮甚至说一句话，”CSAIL主任Daniela Rus说。“像这样的简化方法将提高我们监督工厂机器人，无人驾驶汽车以及我们尚未发明的其他技术的能力。”

在目前的研究中，该团队使用了一个名为“Baxter”的人形机器人，该机器人来自Rethink Robotics，该公司由前CSAIL主管和iRobot联合创始人Rodney Brooks领导。

提交作品的论文由BU博士候选人Andres F. Salazar-Gomez，CSAIL博士候选人Joseph DelPreto和CSAIL研究科学家Stephanie Gil在Rus和BU教授Frank H. Guenther的监督下撰写。该论文最近被接受今年5月在新加坡举行的IEEE国际机器人与自动化会议(ICRA)。

过去在EEG控制的机器人技术中的工作需要训练人类以计算机可以识别的规定方式“思考”。例如，操作员可能必须查看两个亮灯显示中的一个，每个亮灯对应于机器人执行的不同任务。

这种方法的缺点是，训练过程和调整一个人思想的行为可能会产生负担，特别是对于那些监督需要高度集中的导航或建筑任务的人来说。

罗斯的团队希望让这种体验更加自然。为此，他们专注于称为“错误相关电位”(ErrPs)的大脑信号，这些信号是在我们的大脑发现错误时生成的。当机器人指出它计划做出哪个选择时，系统使用ErrP来确定人是否同意该决定。

“当你观察机器人时，你所要做的就是在精神上同意或不同意它正在做的事情，”罗斯说。“你不必训练自己以某种方式思考 - 机器适应你，而不是相反。”

ErrP信号非常微弱，这意味着必须对系统进行微调，以便对信号进行分类并将其合并到人工操作员的反馈回路中。除了监控初始ErrP之外，该团队还试图检测当系统没有注意到人类原始校正时发生的“二次错误”。

吉尔说：“如果机器人不确定其决定，它可以触发人类的反应，以获得更准确的答案。” “这些信号可以极大地提高准确性，在人与机器人交流选择时建立持续的对话。”

虽然系统无法实时识别二次误差，但Gil希望模型能够在一旦可能的情况下将精度提高到90%以上。

此外，由于ErrP信号已被证明与机器人错误的严重程度成正比，因此团队认为未来的系统可以扩展到更复杂的多项任务。

Salazar-Gomez指出，该系统甚至可以对那些无法口头沟通的人有用：拼写等任务可以通过一系列几个离散的二元选择来完成，他将其比作眨眼的高级形式，允许中风受害者Jean-Dominique Bauby撰写了他的回忆录“The Diving Bell and the Butterfly”。

“这项工作使我们更接近开发有效的脑控机器人和假肢工具，”弗莱堡大学计算机科学教授Wolfram Burgard表示，他没有参与这项研究。“鉴于将人类语言转化为机器人有意义的信号是多么困难，这一领域的工作可能对人机协作的未来产生真正深远的影响。”