Apprendre aux robots à anticiper les préférences humaines pour une meilleure collaboration

Les humains possèdent la capacité unique de comprendre les objectifs, les désirs et les croyances des autres, ce qui est crucial pour anticiper les actions et collaborer efficacement. Cette compétence, connue sous le nom de "théorie de l'esprit", nous est innée mais reste un défi pour les robots. Cependant, si les robots doivent devenir de véritables assistants collaboratifs dans la fabrication et la vie quotidienne, ils doivent également apprendre ces capacités.

Dans un nouveau papier, qui a été finaliste pour le prix du meilleur article lors de la conférence internationale ACM/IEEE sur l'interaction homme-robot (HRI), des chercheurs en informatique de l'USC Viterbi visent à apprendre aux robots à prédire les préférences humaines dans les tâches d'assemblage. Cela permettra aux robots d'assister un jour à diverses tâches, de la construction de satellites à la mise en place d'une table.

"Lorsqu'il travaille avec des gens, un robot doit constamment deviner ce que la personne va faire ensuite", a déclaré l'auteur principal Heramb Nemlekar, un étudiant au doctorat en informatique de l'USC supervisé par Stefanos Nikolaidis, professeur adjoint d'informatique. « Par exemple, si le robot pense que la personne aura besoin d'un tournevis pour assembler la pièce suivante, il peut obtenir le tournevis à l'avance afin que la personne n'ait pas à attendre. De cette façon, le robot peut aider les gens à terminer l'assemblage beaucoup plus rapidement. »

Une nouvelle approche pour prédire les actions humaines

Prédire les actions humaines peut être difficile, car différentes personnes préfèrent accomplir la même tâche de différentes manières. Les techniques actuelles exigent que les gens démontrent comment ils aimeraient effectuer l'assemblage, ce qui peut prendre du temps et être contre-productif. Pour résoudre ce problème, les chercheurs ont découvert des similitudes dans la façon dont les individus assemblent différents produits et ont utilisé ces connaissances pour prédire les préférences.

Au lieu de demander aux individus de « montrer » au robot leurs préférences pour une tâche complexe, les chercheurs ont créé une petite tâche d'assemblage (appelée tâche « canonique ») rapide et facile à réaliser. Le robot « observe » ensuite l'humain effectuer la tâche à l'aide d'une caméra et utilise l'apprentissage automatique pour identifier les préférences de la personne en fonction de sa séquence d'actions dans la tâche canonique.

Lors d'une étude utilisateur, le système des chercheurs a pu prédire les actions humaines avec une précision d'environ 82 %. Cette approche permet non seulement de gagner du temps et de réduire les efforts, mais aussi de renforcer la confiance entre les humains et les robots. Elle pourrait être bénéfique dans les environnements industriels, où les ouvriers assemblent des produits à grande échelle, ainsi que pour les personnes handicapées ou à mobilité réduite qui ont besoin d'aide pour assembler des produits.

Vers un avenir de collaboration homme-robot améliorée

L'objectif des chercheurs n'est pas de remplacer les travailleurs humains, mais d'améliorer la sécurité et la productivité dans les usines hybrides homme-robot en confiant aux robots l'exécution de tâches sans valeur ajoutée ou ergonomiques. Les recherches futures porteront sur le développement d'une méthode permettant de concevoir automatiquement des tâches canoniques pour différents types d'assemblage et sur l'évaluation des avantages de l'apprentissage des préférences humaines à partir de tâches courtes et de la prédiction des actions dans des tâches complexes dans divers contextes, comme l'assistance personnelle à domicile.

"Un robot qui peut apprendre rapidement nos préférences peut nous aider à préparer un repas, à réorganiser les meubles ou à faire des réparations à la maison, ce qui a un impact significatif sur notre vie quotidienne", a déclaré Nikolaidis.