Tutkijat kehittivät kehyksen antamaan roboteille sosiaalisia taitoja

Massachusettsin teknillisen korkeakoulun (MIT) tutkijat ovat kehittäneet ohjauskehyksen, joka antaa roboteille sosiaalisia taitoja. Kehys mahdollistaa koneiden ymmärtämisen siitä, mitä tarkoittaa toisten auttaminen tai estäminen, sekä sosiaalisten käyttäytymisen oppiminen itsenään.

Robotti tarkkailee toveriaan simuloidussa ympäristössä ennen kuin arvioi, minkä tehtävän toinen robotti yrittää suorittaa. Sitten se auttaa tai estää toista robottia oman tavoitteensa perusteella.

Tutkijat osoittivat myös, että heidän mallinsa luo realistisia ja ennustettavia sosiaalisia vuorovaikutuksia. Kun ihmiset näkivät videoita simuloitujen robotien vuorovaikutuksesta, he olivat yhtä mieltä mallin kanssa siitä, mikä sosiaalinen käyttäytyminen oli kyseessä.

Robottien sosiaalisten taitojen mahdollistamisen kautta voimme saavuttaa positiivisemmat ihmisen ja robotin väliset vuorovaikutukset. Uusi malli voi myös mahdollistaa tutkijoiden mittaamisen sosiaalisten vuorovaikutusten määrää.

Boris Katz on pääasiallinen tutkimussientifikaatti ja InfoLab-ryhmän johtaja tietokoneen ja älykkään koneen laboratoriossa (CSAIL), sekä jäsen aivojen, mielten ja koneiden keskuksessa (CBMM).

“Robotit tulevat elämään maailmassamme pian, ja heidän on opittava kommunikoimaan kanssamme inhimillisten termein. Heidän on ymmärrettävä, milloin on aika auttaa ja milloin on aika nähdä, mitä he voivat tehdä estääkseen jotain tapahtumasta. Tämä on hyvin varhainen työ, ja olemme vasta hiertäen pinnan alla, mutta minusta tämä on ensimmäinen vakava yritys ymmärtää, mitä tarkoittaa sosiaalisten vuorovaikutusten luominen ihmisille ja koneille”, sanoo Katz.

Tutkimukseen osallistuivat myös yhteisjohtaja Ravi Tejwani, CSAIL:n tutkimusavustaja; yhteisjohtaja Yen-Ling Kuo, CSAIL:n tohtorikoulutettava; Tianmin Shu, postdoc aivon ja kognitiivisen tieteen laitoksessa; ja vanhempi tekijä Andrei Barbu, CSAIL:n tutkimussientifikaatti.

Sosiaalisten vuorovaikutusten tutkiminen

Tutkijat loivat simuloitun ympäristön, jossa robotit seuraavat sekä fyysisiä että sosiaalisia tavoitteita navigoidessaan kahden ulottuvuuden ruudussa, mikä mahdollisti tiimin tutkia sosiaalista vuorovaikutusta.

Roboteille annettiin sekä fyysisiä että sosiaalisia tavoitteita. Fyysinen tavoite liittyy ympäristöön, kun taas sosiaalinen tavoite voi olla esimerkiksi robotti, joka arvioi, mitä toinen robotti yrittää tehdä, ja perustaa oman toimintansa tähän arvioon.

Mallia käytetään määrittämään, mitkä robotin fyysiset tavoitteet ovat, mitkä sosiaaliset tavoitteet ovat, ja miten paljon painotusta kussakin tavoitteessa on. Jos robotti suorittaa toimintoja, jotka lähettävät sen lähemmäs tavoitetta, se palkitaan. Jos robotti yrittää auttaa toveriaan, se säätää palkintonsa toisen robotin palkinnon mukaan. Jos robotti yrittää estää toista robottia, se säätää palkintonsa vastaavasti. Algoritmi päättää, mitkä toimet robotti tulisi suorittamaan, ja se käyttää palkintojärjestelmää ohjaamaan robottia suorittamaan sekä fyysisiä että sosiaalisia tavoitteita.

“Olemme avanneet uuden matemaattisen kehyksen sosiaalisen vuorovaikutuksen mallintamiseksi kahden agentin välillä. Jos olet robotti, ja haluat mennä paikkaan X, ja olen toinen robotti, ja näen, että yrität mennä paikkaan X, voin yhteistyössä auttaa sinua pääsemään paikkaan X nopeammin. Se voi tarkoittaa esimerkiksi siirtämistä X:ää lähemmäs sinua, löytämistä toisesta, paremmasta X:stä tai suorittamista mitä tahansa toimintaa, jota sinun oli tehtävä paikassa X. Meidän muodostus mahdollistaa suunnitelman löytämisen ‘miten’; meidän määrittelemme ‘mitä’ sosiaalisten vuorovaikutusten merkityksestä matemaattisesti”, sanoo Tejwani.

Tutkijat käyttävät matemaattista kehyksen määrittämään kolme robotin tyyppiä. Taso 0 -robotti on vain fyysisiä tavoitteita, kun taas taso 1 -robotti on sekä fyysisiä että sosiaalisia tavoitteita, mutta olettaa, että kaikki muut ovat vain fyysisiä tavoitteita. Tämä tarkoittaa, että taso 1 -robotit suorittavat toimintoja, jotka perustuvat muiden fyysisten tavoitteiden, kuten auttaminen tai estäminen. Taso 2 -robotti olettaa, että muut ovat sekä sosiaalisia että fyysisiä tavoitteita, ja nämä robotit voivat suorittaa monimutkaisempia toimintoja.

Mallin testaaminen

Tutkijat totesivat, että heidän mallinsa oli yhtä mieltä siitä, mitä sosiaalisia vuorovaikutuksia tapahtui kussakin kehyksessä.

“Meillä on pitkäaikainen kiinnostus sekä kehittää laskennallisia malleja roboteille että tutkia syvemmältä inhimillisiä näkökohtia. Haluamme selvittää, mitkä piirteet näistä videoista ihmiset käyttävät sosiaalisten vuorovaikutusten ymmärtämiseen. Onko objektiivinen testi sosiaalisten vuorovaikutusten tunnistamiseen? Ehkä on tapa opettaa ihmisille tunnistamaan nämä sosiaaliset vuorovaikutukset ja parantamaan heidän kykyjään. Olemme kaukana tästä, mutta jo pelkästään sosiaalisten vuorovaikutusten mittaaminen on suuri askel eteenpäin”, sanoo Barbu.

Tutkijaryhmä työskentelee parhaillaan järjestelmän kehittämiseksi, jossa on 3D-agentit ympäristössä, joka sallii enemmän vuorovaikutuksia. He myös haluavat muuttaa mallia sisältämään ympäristöjä, joissa toimintoja voidaan epäonnistua, ja he aikovat sisällyttää neuroverkko-pohjaisen robotin suunnittelijan malliin. Lopulta he aikovat suorittaa kokeen kerätäkseen tietoja siitä, mitkä piirteet ihmiset käyttävät määrittämään, ovatko kaksi robottia sosiaalisessa vuorovaikutuksessa.