Enseñar a los robots a anticipar las preferencias humanas para una colaboración mejorada

Los humanos poseen la capacidad única de comprender los objetivos, deseos y creencias de los demás, lo cual es crucial para anticipar acciones y colaborar eficazmente. Esta habilidad, conocida como “teoría de la mente”, es innata en nosotros pero sigue siendo un desafío para los robots. Sin embargo, si los robots van a convertirse en verdaderos colaboradores en la fabricación y la vida cotidiana, también deben aprender estas capacidades.

En un nuevo artículo, finalista del premio al mejor artículo en la Conferencia Internacional ACM/IEEE de Interacción Humano‑Robot (HRI), investigadores de ciencias de la computación de USC Viterbi buscan enseñar a los robots a predecir las preferencias humanas en tareas de ensamblaje. Esto permitirá que los robots, algún día, asistan en diversas tareas, desde la construcción de satélites hasta poner la mesa.

“When working with people, a robot needs to constantly guess what the person will do next,” said lead author Heramb Nemlekar, a USC computer science PhD student supervised by Stefanos Nikolaidis, an assistant professor of computer science. “For example, if the robot thinks the person will need a screwdriver to assemble the next part, it can get the screwdriver ahead of time so that the person does not have to wait. This way the robot can help people finish the assembly much faster.”

Un nuevo enfoque para predecir acciones humanas

Predecir acciones humanas puede ser un desafío, ya que diferentes personas prefieren completar la misma tarea de distintas maneras. Las técnicas actuales requieren que las personas demuestren cómo les gustaría realizar el ensamblaje, lo que puede resultar costoso en tiempo y contraproducente. Para abordar este problema, los investigadores descubrieron similitudes en la forma en que los individuos ensamblan diferentes productos y utilizaron este conocimiento para predecir preferencias.

En lugar de exigir a las personas que “muestren” al robot sus preferencias en una tarea compleja, los investigadores crearon una pequeña tarea de ensamblaje (denominada tarea “canónica”) que puede realizarse de forma rápida y sencilla. El robot entonces “observa” al humano completar la tarea mediante una cámara y emplea aprendizaje automático para aprender la preferencia de la persona basándose en la secuencia de acciones en la tarea canónica.

En un estudio con usuarios, el sistema de los investigadores pudo predecir las acciones humanas con aproximadamente un 82 % de precisión. Este enfoque no solo ahorra tiempo y esfuerzo, sino que también ayuda a generar confianza entre humanos y robots. Podría resultar beneficioso en entornos industriales, donde los trabajadores ensamblan productos a gran escala, así como para personas con discapacidades o movilidad limitada que requieren asistencia para ensamblar productos.

Hacia un futuro de colaboración humano‑robot mejorada

El objetivo de los investigadores no es reemplazar a los trabajadores humanos, sino mejorar la seguridad y la productividad en fábricas híbridas humano‑robot al hacer que los robots realicen tareas sin valor añadido o ergonómicamente desafiantes. La investigación futura se centrará en desarrollar un método para diseñar automáticamente tareas canónicas para diferentes tipos de tareas de ensamblaje y evaluar los beneficios de aprender las preferencias humanas a partir de tareas breves y predecir acciones en tareas complejas en diversos contextos, como la asistencia personal en hogares.

“Un robot que pueda aprender rápidamente nuestras preferencias puede ayudarnos a preparar una comida, reorganizar los muebles o realizar reparaciones domésticas, teniendo un impacto significativo en nuestra vida cotidiana,” dijo Nikolaidis.