Robotar som fångar misstag tidigt

Ett nytt system låter robotar läsa mänskliga hjärnans signaler för att upptäcka misstag tidigt och reagera i realtid, vilket minskar fördröjningen och förbättrar kontrollen i kritiska uppgifter.

Robotar reagerar vanligtvis efter att ett misstag inträffat.Ett team vid Oklahoma State University arbetar på ett system som låter robotar reagera i samma ögonblick som en människa känner att något är fel.Systemet läser hjärnans signaler och ändrar robotens handlingar i realtid.Om en person upptäcker ett problem kan roboten sakta ner, stanna eller ge tillbaka kontrollen inom millisekunder.Detta skiftar robotsvar från fördröjd korrigering till tidig intervention.

Det fungerar genom att använda hjärnans datorgränssnitt för att upptäcka felrelaterade potentialer, eller ErrPs.Dessa signaler visas nästan omedelbart när en person känner igen ett misstag, innan någon fysisk handling.En bärbar elektroencefalogramlock fångar dessa signaler och skickar dem till en delad kontrollrobot.

Detta tillvägagångssätt tar itu med en viktig lucka i teleoperation.I högriskarbete som hantering av kärnkraftsanläggningar eller djuphavsinspektioner kan robotar inte fungera helt på egen hand.Mänsklig kontroll hjälper, men det tar tid och snabba misslyckanden är svåra att stoppa.De flesta robotar upptäcker problem först efter kontakt.Då kan svaret vara för sent.Hjärnsignaler fungerar som en tidig varning.

Signalerna kommer från hjärnans främre cingulate cortex, som producerar ErrPs som en intern varning.Eftersom hjärnan reagerar snabbare än fysisk rörelse ger detta ett kort men kritiskt tidsfönster för korrigering.

För att göra systemet användbart byggde teamet en modell som lär sig allmänna hjärnmönster och sedan anpassar sig till varje användare.Detta minskar installationstiden, vilket är ett vanligt problem i hjärndatorsystem.Eftersom signalerna varierar mellan användare krävs snabb anpassning.

Säkerheten hanteras med hjälp av Signal Temporal Logic, som sätter gränser för hur roboten kan agera.Hjärnsignalen flaggar ett problem, och logiken definierar det tillåtna svaret.Detta håller kontrollen stabil även med direkt hjärninmatning.

Systemet testas med NVIDIA Isaac Lab och NVIDIA Isaac ROS på RTX PRO 6000 GPU:er för realtidssimulering och kontroll.

Samma idé kan sträcka sig bortom industriell användning.Inom vården skulle det kunna stödja proteser och exoskelett.Till exempel kan en lemprotes upptäcka när en användare känner av en felaktig rörelse och korrigera den omedelbart.