绷紧肌肉就能操控无人机，MIT硬核研究：AI让你的麒麟臂变遥控器

利用机器人完成工作可以解放人类的生产力。要达到这一目的，需要机器人和人之间达到较高的配合度。此前的研究从语音识别、自然语言处理、计算机视觉、触觉、手势等角度进行了探索。结果显示，语音、触屏控制不够灵敏，已有的传感器系统也比较笨重。

麻省理工学院的研究人员认为让机器人理解人类的非语言指令可以解决这些问题。据此，他们研发出一款端到端手势控制系统。这个系统用肌电信号传感器接收用户手势，用算法判断指令内容，不需要进行繁琐的数据训练或校准，配套传感器的尺寸也比较小。

这项研究已经入选2020年人机交互国际会议（ACM/IEEE HRI），这是人机交互领域最重要的会议之一。

论文发表在计算机学术网站ACM Digital Library上，论文题目为《使用肌肉和动作传感器实现即插即用手势控制（Plug-and-Play Gesture Control Using Muscle and Motion Sensors）》。

肌电信号与人体的运动意图相关。根据之前的研究，肌电信号和相关肌肉动力学之间的建模可被用于提升外骨骼、假肢等辅助机器人的性能。

本项研究中，研究人员尝试利用肌电信号传感器（也称肌电图传感器，EMG），将人类手部运动时的肌电信号传输给机器人。

用表面肌电电极从参与者的右上臂提取肌电信号，在肱二头肌短头和肱三头肌长头上放置24mm预涂导电胶的Covidien电极。前臂上的装置包括肌电图电极和一个惯性测量设备（IMU，由一个加速度计和一个陀螺仪组成）。

论文指出，使用肌电信号传感器有几个好处：

首先，降低了模型的复杂性。不需要照相机等动作捕捉设备，设备更轻巧；

其次，排除了遮挡、环境噪音等因素的干扰；

另外，肌肉信号能够反映出肉眼观测不到的运动状态（比如关节僵硬），有助于提升人机交互系统的灵活性。

研究人员共设计了8种手势，分别是：手臂僵直、转动（分为顺时针转动和逆时针转动）、握拳（分为左手、右手、向上、向下）、手腕弯曲和伸展。

对于大多数手势引起的肌电信号，研究人员使用自适应在线聚类算法（Online clustering for adaptive thresholding）帮助机器人理解。

在测试阶段，研究人员按照这样的顺序给出指令：转动，手臂僵直，向上、下、右握拳，向左握拳。分类器优先按照最近0.2s内检测到的手势做出反应，其次按照根据肌电信号预测到的运动意图做出反应。

研究人员安排6名参与者做出1200次命令手势，以此评估分类器的性能和界面效率。根据统计结果，分类器对手势动作的识别准确率达到97.6%。

另外，研究人员把这个系统应用于一个Parrot Bebop 2无人机。该无人机尺寸大约为35*43cm，重500g。在119分钟的飞行时间中，测试人员随机做出1535个命令手势，无人机在81.6%的情况下做出了正确反应。

麻省理工学院计算机科学与人工智能实验室的研究团队设计出的“行为控制机器人”系统有效提升了人机交互的效率。论文中写道：“（我们）提出的方法在改善真实场景中的人机协作方面迈出了一步。这种协作越来越普及，会带来更多效益。”

文章来源：ACM Digital Library，MIT CSAIL