Quand il s’agit de contrôler les robots, il ne s’agit pas seulement de trouver des moyens pour leur donner des commandes, mais de s’assurer qu’ils exécutent ces commandes correctement. Pour aider à cela, une équipe du Laboratoire d’Informatique et d’Intelligence Artificielle (CSAIL) du MIT et de l’Université de Boston a mis au point un système qui transforme l’opérateur en un détecteur de défaut automatique humain pour alerter le robot lorsqu’il commet une erreur.
Les robots contrôlés par l’esprit ne sont pas nouveaux, mais ils sont encore en phase de développement. Le contrôle direct depuis le cerveau d’une machine peut supprimer les problèmes d’une interface mécanique ou enseigner un robot à répondre aux commandes vocales, mais en soi, cela ne suffit pas. C’est une chose de commander un robot pour faire ceci ou cela, mais c’en est une autre chose d’arriver à le faire correctement.
Selon le MIT, les travaux antérieurs sur le contrôle des robots ont impliqué la connexion de l’opérateur à un moniteur d’électroencéphalographie (EEG), puis d’enseigner à donner au robot des ordres en pensant de certaines manières soigneusement prescrites, comme regarder un de deux écrans lumineux pour dire au robot quelle tâche effectuer. Le problème, c’est qu’il s’agissait d’un processus à sens unique et épuisant car il exigeait une attention constante.
L’équipe utilise des signaux cérébraux EEG pour détecter si la personne remarque une erreur
L’approche du CSAIL était de rendre la méthode de commande plus comme une boucle de rétroaction en surveillant le cerveau de l’opérateur de telle manière que cela signale au robot en temps réel quand il fait une erreur sans que l’opérateur fasse quoi que ce soit.
«Imaginez être capable de dire instantanément à un robot de faire une certaine action, sans avoir besoin de taper une commande, d’appuyer sur un bouton ou même de dire un mot», explique la directrice de CSAIL Daniela Rus. «Une approche simplifiée comme celle-là améliorerait notre capacité à superviser les robots d’usine, des voitures sans conducteur et d’autres technologies que nous n’avons même pas encore inventées ».
L’idée est de ne pas regarder les commandes conscientes du cerveau, mais à ce que l’équipe appelle les «potentiels erreurs liées» (ErrPs : error-related potentials). Ce sont des modèles de signal que le cerveau émet quand une personne remarque une erreur. En d’autres termes, l’opérateur peut avertir le robot quand il fait quelque chose de mal sans penser consciemment à ce sujet. Le signal est envoyé automatiquement au robot et prend en charge le fardeau de l’apprentissage au lieu de l’humain.
Le système de rétroaction permet aux opérateurs humains de corriger l’erreur du robot en temps réel
Pour développer ce système, l’équipe a utilisé le robot Baxter de Rethink Robotics pour effectuer des tâches simples de tri selon les instructions d’un opérateur humain portant un casque d’EEG. Actuellement, le système est limité à traiter des activités de choix binaire, mais l’exécution des signaux par un algorithme a vu les ondes cérébrales reçues traitées en environ 10 à 30 millisecondes.
L’équipe du CSAIL dit que les signaux ErrP sont extrêmement faibles, donc la boucle de rétroaction a besoin de quelques ajustements pour obtenir les bons résultats. Cela impliquait de s’assurer que les signaux étaient correctement classés et en surveillant ce que l’on appelle les «erreurs secondaires», où le robot ne répond pas au premier signal d’erreur.
Lorsque cela se produit, le cerveau fournit un renforcement supplémentaire qui améliore la précision, ce que l’équipe espère atteindre jusqu’à 95% une fois que le système pourra reconnaître les erreurs secondaires en temps réel. L’équipe indique également que les signaux ErrP augmentent proportionnellement à la taille de l’erreur du robot, ce qui pourrait conduire à des systèmes futurs capables de traiter des tâches à choix multiples plus complexes.
En plus de contrôler les robots, l’équipe espère que la technologie sera également bénéfique pour les personnes qui n’ont pas la capacité de communiquer verbalement.
http://news.mit.edu/2017/brain-controlled-robots-0306
