本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

不動手光動嘴，吃到一口蛋糕共分幾步？

先意念控制拿叉子的機械臂，對準蛋糕叉下去。

再控制拿刀的機械臂切下一塊。

最后一邊旋轉一邊移動機械臂，把蛋糕舉到嘴邊，搞定。

來自約翰霍普金斯大學的這項研究，通過腦機接口讓一位癱瘓30年的志愿者做到同時操縱兩個機械臂。

使用刀叉對普通人來說并不難，但對于腦機接口系統來說，兩個機械臂共有34個自由度需要操控。

包括肩、肘、腕的關節運動，手掌的移動和轉向以及手指的控制。

并且這位志愿者是世界首位雙邊植入者，也就說大腦左右半球都植入了電極陣列。

解碼如此復雜的神經信號，對現在的技術來說還是太難了。

這一次研究團隊提出新方法，把需要操控的自由度從34個減少到了12個，并且其中大部分交給算法來處理，人類只需要同時控制不超過4個。

最終在吃蛋糕實驗中，參與者可以根據自己喜好微調機械臂控制切下蛋糕的大小，實現了雙手協調的精細操作。

最近公開的一份實驗報告，向人們展示了這項研究中的更多細節。

把人與機器視為一個整體計算

新方法學名叫共享控制策略 （Shared Control Strategy）。

簡單來說，就是在共享控制系統內部把參與試驗的人類和兩個機械臂視作一個人機組合，由算法統一調度。

這樣一來，系統在最終操作執行環節只需要考慮兩個機械臂的末端執行器（也就是手）的3D位置和3D方向。

算下來，就是3+3再乘上2兩只手，一共12個自由度。

在這個系統下，關節運動的運動和手指的捏合等其它自由度都交給逆向運動學算法 （Inverse Kinematics）來求解。

更進一步，這12個自由度在任務執行過程中是動態劃分的。

對于每一個特定任務，系統都會劃分好執行的環節步驟，通過語音引導人類參與者最多同時控制其中的3個，大部分工作交給算法來完成。

參與實驗中的是一位49歲的志愿者，他因脊髓損傷患上肢癱瘓已超過30年，肩、肘和腕部關節都只有很有限的活動能力。

在這次實驗中，他需要真的嘗試去移動手臂，而不是想象自己在移動手臂。

這樣產生的神經信號更容易被解碼，這也是在視頻中會看到他運動能力受限的腕部不時有動作的原因。

最終，在共享控制策略下左右手的平均解碼準確率分別為63.5%和67.6%。

總共20個測試任務，他成功執行了17個。

研究團隊認為，使用共享控制策略降低操控自由度對腦機接口發展來說十分關鍵。

其最大的意義在于減少人需要投入的精力，降低腦機接口的解碼難度，讓植入電極少或精度較低的便宜方案也能受益。

One More Thing

在研究報告中，還有一個有趣的細節。

原本的20個測試任務里是不包含吃蛋糕這一項的，但是蛋糕太香了，所以志愿者主動選擇要試一下。

在新方法的初級階段，執行這樣一個復雜任務并不容易，大家看到的視頻演示是加速5倍播放的。

實際情況是，吃到一口蛋糕前后總共要花費90秒。

有網友表示這樣適合吃火鍋，燙的食物送到嘴邊時候剛好也涼了。