我们人类非常擅长合作。例如，当两个人一起工作以携带像桌子或沙发这样的重物时，他们倾向于本能地协调他们的动作，不断地重新校准以确保他们的手与另一个人处于同一高度。我们进行这些类型调整的自然能力使我们能够在大大小小的任务上进行协作。

但是计算机或机器人仍然无法轻松地追随人类的领导。我们通常使用机器说话明确地对它们进行编程，或者训练他们理解我们的单词，像Siri或Alexa这样的虚拟助手。

相比之下，麻省理工学院计算机科学与人工智能实验室(CSAIL)的研究人员最近表明，通过他们开发的新系统可以实现更平稳的机器人 - 人类协作，其中机器通过监测肌肉运动来帮助人们抬起物体。

该系统被称为RoboRaise，涉及将肌电图(EMG)传感器放在用户的肱二头肌和肱三头肌上以监测肌肉活动。然后，它的算法不断检测人的手臂水平的变化，以及用户可能做出的离散的上下手势，以实现更精细的电机控制。

该团队使用该系统执行一系列任务，包括拾取和组装模拟飞机部件。在实验中，用户使用机器人完成这些任务，并且能够通过提升然后拉紧他们的手臂将其控制在距所需高度几英寸的范围内。使用手势时更准确，机器人对大约70%的手势做出正确反应。

研究生Joseph DelPreto说，他可以想象人们使用RoboRaise来帮助制造和施工设置，甚至作为房子周围的助手。

“我们用机器人提升物体的方法旨在直观，类似于你可以如何与另一个人举起物品 - 粗略地复制彼此的动作，同时推断出有用的调整，”DelPreto说道，一篇关于麻省理工学院项目的新论文的第一作者教授和CSAIL主任Daniela Rus。“关键的洞察力是使用非语言提示来编码如何协调的指令，例如提升一点或更高。使用肌肉信号进行交流几乎使机器人成为你自己可以流畅控制的延伸。”

该项目建立了团队现有的系统，允许用户通过脑波和手势立即纠正机器人错误，现在可以以更加协作的方式实现连续运动。“我们的目标是开发人机器人互动，让机器人适应人类，而不是相反。通过这种方式，机器人成为体力劳动的智能工具，”罗斯说。

EMG信号可能很难处理：它们通常非常嘈杂，并且很难根据肌肉活动准确预测肢体的运动方式。即使您可以估计一个人的移动方式，您希望机器人本身的响应方式也可能不清楚。

RoboRaise通过控制人类来解决这个问题。该团队的系统使用无创的体上传感器，可在您紧张或放松肌肉时检测神经元的发射。使用可穿戴设备还可以解决遮挡或环境噪声问题，这可能使涉及视觉或语音的任务复杂化。

RoboRaise的算法然后处理二头肌活动以估计人的手臂如何移动，因此机器人可以大致模仿它，并且人可以稍微张紧或放松他们的手臂来上下移动机器人。如果用户需要机器人远离他们自己的位置移动或保持姿势一段时间，他们可以向上或向下手势以获得更好的控制; 神经网络可以根据二头肌和肱三头肌活动随时检测这些手势。

新用户可以非常快速地开始使用系统，并且校准最少。戴上传感器后，他们只需要松紧手臂几次，然后将重量提升到几个高度。检测手势的神经网络仅针对来自先前用户的数据进行训练。

该团队通过一系列三个提升实验对10个用户进行了系统测试：一个是机器人根本没有移动，另一个是机器人响应他们的肌肉而移动，但没有帮助提升物体，另一个是机器人和人一起举起一个物体。

当这个人从机器人那里获得反馈时 - 当他们看到它移动或者他们一起举起某些东西时 - 与没有反馈相比，达到的高度明显更准确。

该团队还测试了RoboRaise的装配任务，例如将橡胶板提升到基础结构上。它能够成功地将刚性和柔性物体提升到基座上。RoboRaise是在该团队的Baxter人形机器人上实施的，但该团队表示它可以适用于任何机器人平台。

在未来，该团队希望在系统中添加更多肌肉或不同类型的传感器将增加自由度，最终目标是执行更复杂的任务。像肌肉活动的劳累或疲劳这样的提示也可以帮助机器人提供更直观的帮助。该团队测试了该系统的一个版本，该系统使用二头肌和三头肌水平来告诉机器人人们握住物体末端的僵硬程度; 在一起，人和机器可以流体地拖动物体或者将物体拉紧。