به کار گیری رباتها جهت انجام برخی امور کار چندان آسانی نیست. دانشمندان عموماً مجبور بوده این کار را با برنامه نویسی بر اساس درک نحوه ارتباط زبانی انسان انجام دهند.
اما اگر بتوانیم آنها را بوسیله درک مستقیم و تنها با استفاده از امواج مغزی و حرکات دست کنترل کنیم چه می‌شود؟

این رؤیا اکنون به واقعیت پیوسته است. به کمک یک سیستم جدید کنترل ربات، انسان می‌تواند با استفاده از امواج مغزی و حرکات دست خود یک ربات را کنترل نماید.

پژوهشگران آزمایشگاه علوم کامپیوتر و هوش مصنوعی دانشکده فنی و مهندسی ماساچوست با نام اختصاری (CSAIL) موفق به ساخت سیستم جدیدی در این زمینه شده‌اند. این سیستم به کاربران اجازه داده  اشتباهات سرزده از ربات را بلافاصله با سیگنالهای مغزی و اشاره انگشت اصلاح کنند.

تلاشهای گذشته این تیم بر پایه فعالیتهای دو بخشی ساده متمرکز بودند اما آنها دامنه فعالیت خود را گسترش داده کار جدید خود را با عملکردهای چند تکلیفی پیش برده و نحوه مدیریت تیم‌هایی از رباتها را توسط کارگران انسانی امکان پذیر ساخته‌اند.
در صورتی که فردی متوجه اشتباه یک ربات در انجام وظیفه خود شود، این سیستم به واسطه نظارت بر فعالیت مغز می‌تواند بلادرنگ آن را شناسایی نماید.
در صورتی که فردی متوجه اشتباه یک ربات در انجام وظیفه خود شود، این سیستم به واسطه نظارت بر فعالیت مغز می‌تواند بلادرنگ آن را شناسایی نماید. آنگاه فرد می‌تواند با استفاده از یک رابط که فعالیت عضلانی را محاسبه می‌کند، از حرکات دست استفاده کرده و ربات را به گونه‌ای متوجه سازد که گزینه صحیح را انتخاب نماید.

این تیم نحوه کار سیستم جدید خود را در قالب یک آزمایش به نمایش گذاشتند، بدین ترتیب که با محول کردن وظیفه‌ای به ربات از او خواستند با یک دریل برقی به طرف یکی از سه هدف از پیش تعیین شده در بدنه یک صفحه آزمایشی حرکت نماید. مهم‌تر آنکه آنها نشان دادند که این سیستم می‌تواند با افرادی کار کند که هرگز پیش از این آنها را ندیده بود، به این معنی که سازمان‌های مختلف می‌توانند این سیستم را در رویدادهای واقعی بدون نیاز به آموزش و شناساندن کاربران به آن  بکار گیرند.

به گفته‌ی دنیِلا راس (Daniela Rus) مدیر شرکت CSAIL و سرپرست این کار تحقیقاتی: «این سیستم با ادغام بازخوردهای EEG (الکتروآنسفالوگرافی یا نوار مغزی) و EMG (الکترومیوگرافی یا نوار عصب و عضله)، تعاملات طبیعی انسان ـ ربات را برای مجموعه برنامه‌های کاربردی وسیع‌تری نسبت به آنچه پیش از این تنها با استفاده از بازخورد EEG مقدور بود، میسر می‌سازد». وی می‌افزاید: «با وارد نمودن بازخورد عضلانی می‌توانیم دستوراتی را با ظرافت و دقت بسیار بالاتری تنها با بهره گرفتن از حرکات دست در محیط پیرامون خود یا به صورت فضایی، به ربات ارسال کنیم».
 

تعامل مستقیم انسان با ربات

در اکثر پروژه‌های گذشته، سیستم‌ها عموماً می‌توانستند تنها سیگنالهای مغزی را تشخیص دهند و این در شرایطی بود که فرد بایستی خود را به گونه‌ای پرورش می‌داد که به طرق بسیار خاص اما اختیاری «فکر» کند و نیز می‌بایستی این سیگنالها به سیستم شناسانده و آموزش داده می‌شدند. به این معنی که کنترل این سیستم‌ها تنها به کمک مغز مستلزم یادگیری نحوه تفکر بود به گونه‌ای که سیستم بتواند سیگنالهای مغزی را به درستی تشخیص دهد. به عنوان مثال یک اپراتور انسانی مجبور بود که به صفحه نمایشهای نوری متفاوتی که مشابه با وظائف متفاوت محول شده به ربات در طول یک جلسه تمرینی بودند، نگاه کند.

جای تعجب نیست که چنین رویکردهایی سخت بتوانند اعتماد افراد را به خود جلب کنند به ویژه اگر در زمینه ساخت و ساز یا هدایت و ناوبری که نیازمند تمرکز بالایی است مشغول به کار باشند. به عبارتی این کار در محیطهای شلوغ بسیار دشوار خواهد بود.

در این اثناء تیم راس نیروی سیگنالهای مغزی موسوم به «پتانسیل‌های وابسته به خطا» یا (ErrP) را تحت کنترل درآوردند. پژوهشگران دریافته‌اند که این سیگنالهای مغزی یا  ErrP در فرد به هنگام مشاهده خطا، به طور طبیعی واقع می‌شوند. در صورتی که خطایی رخ دهد و سیستم ErrP‌های ذهن را شناسایی کند، متوقف شده و در نتیجه کاربر می‌تواند آن را اصلاح کند و در غیر این صورت سیستم به کار خود ادامه می‌دهد.
کاربران نیازی به آموزش و تمرین درباره  شیوه‌ تفکر  از پیش تعیین شده ندارنددلپروتو نویسنده اصلی مقاله مربوط به این پروژه عنوان می‌کند که: «بخش جالب توجه در خصوص این رویکرد آن است که کاربران نیازی به آموزش و تمرین درباره  شیوه‌ تفکر  از پیش تعیین شده ندارند». «دستگاه خود را با شما سازگار خواهد ساخت و بالعکس آن نیاز نخواهد بود».

این تیم برای انجام پروژه خود از ربات شبیه به انسان متعلق به شرکت ریتینک رباتیکس (Rethink Robotics‎)  موسوم به «باکستر (Baxter‎)» استفاده کردند. این ربات با نظارت انسانی، توانست دقت عملکرد خود را از انتخاب 70 درصدی هدف به 97 درصد برساند.

نحوه انجام آزمایش به این ترتیب بود که باکستر هدفی را انتخات و به طرف آن حرکت می‌کرد. در صورتی که اپراتور تشخیص می‌داد این ربات هدف اشتباهی را انتخاب کرده است، تنها با فکر به آن، باکستر را متوقف می‌ساخت. آنگاه از حرکات دست استفاده کرده و به ربات می‌فهماند که چه نقاطی را دریل نماید.

این تیم نیروی‌های الکتروانسفالوگرافی (EEG ) فعالیت مغزی و الکترومیوگرافی (EMG) فعالیت عضلانی را با قرار دادن مجموعه‌ای الکترود بر روی سر و ساعد کاربر تحت کنترل خود درآوردند.

این دو معیار هریک دارای کاستی‌های مختص به خود بوده به این معنی که سیگنالهای EEG همیشه کارا و قابل تشخیص نبوده و افزون بر آن تهیه نقشه از حرکتهایی کمی اختصاصی‌تر از «حرکت به راست یا چپ» از سیگنالهای EMG گاهی می‌تواند امری دشوار به حساب آید. با این وجود، ادغام این دو، امکان استفاده از حسگرهای بیولوژیکی در مقیاسهای نانو یا میکرو قوی‌تری را فراهم ساخته و زمینه فعالیت این سیستم را با کاربرهای جدید بدون نیاز به آموزش و تمرین فراهم می‌سازد
.
به گفته دلپرتو: «با نگاه کردن به سیگنالهای ماهیچه‌ای و مغزی می‌توانیم نسبت به حرکتهای طبیعی فرد همراه با تصمیمات شتابزده و ناگهانی او در خصوص یک اشتباه پیش آمده، به درک بیشتری برسیم». «این کار کمک کرده با ربات ارتباطی برقرار کنیم که بسیار شبیه به ارتباط میان انسان با انسان دیگری باشد».

راس می‌گوید: «قصد داریم از دنیایی که افراد مجبور به سازگاری با محدودیتهای دستگاه‌ها و رباتها هستند، خارج شویم».

این تیم روزی را متصور است که این سیستم برای افراد مسن، یا کارگران دارای اختلالات زبانی یا محدودیتهای حرکتی مفید فایده واقع شود.
مترجم: رزیتا ملکی‌زاده

برگرفته از سایت sciencedaily