მკვლევარებმა შეიმუშავეს ჩარჩო რობოტებისთვის სოციალური უნარების მისაცემად

მასაჩუსეტსის ტექნოლოგიური ინსტიტუტის (MIT) მკვლევარებმა შეიმუშავეს კონტროლის ჩარჩო რობოტებისთვის სოციალური უნარების მისაცემად. ჩარჩო საშუალებას აძლევს მანქანებს გაიგონ, რას ნიშნავს ერთმანეთის დახმარება ან ხელის შეშლა, ასევე ისწავლონ სოციალური ქცევის დამოუკიდებლად შესრულება. 

რობოტი უყურებს თავის კომპანიონს სიმულაციურ გარემოში, სანამ გამოიცნობს რა ამოცანის შესრულებას სურს. შემდეგ ის ეხმარება ან აფერხებს სხვა რობოტს საკუთარი მიზნებიდან გამომდინარე. 

მკვლევარებმა ასევე აჩვენეს, რომ მათი მოდელი ქმნის რეალისტურ და პროგნოზირებად სოციალურ ინტერაქციას. როდესაც ადამიანებს მაყურებელს აჩვენებდნენ იმიტირებული რობოტების ერთმანეთთან ურთიერთობის ვიდეოებს, ისინი დაეთანხმნენ იმ მოდელს, რომლის შესახებაც სოციალური ქცევა ხდებოდა.

რობოტებს სოციალური უნარების გამოვლენის საშუალებას მივცემთ, ჩვენ შეგვიძლია მივაღწიოთ უფრო პოზიტიურ ადამიანსა და რობოტს ურთიერთქმედებას. ახალ მოდელს ასევე შეუძლია მეცნიერებს საშუალება მისცეს გაზომონ სოციალური ურთიერთქმედება რაოდენობრივად. 

ბორის კაცი არის მთავარი მკვლევარი და InfoLab ჯგუფის ხელმძღვანელი კომპიუტერული მეცნიერებისა და ხელოვნური ინტელექტის ლაბორატორიაში (CSAIL), ასევე ტვინების, გონებისა და მანქანების ცენტრის (CBMM) წევრი. 

”რობოტები მალე იცხოვრებენ ჩვენს სამყაროში და მათ ნამდვილად უნდა ისწავლონ ჩვენთან ადამიანური კომუნიკაცია. მათ უნდა გააცნობიერონ, როდის არის დრო, რომ დაეხმარონ და როდის დგება დრო, დაინახონ, რა შეუძლიათ გააკეთონ, რომ რაღაც არ მოხდეს. ეს ძალიან ადრეული ნამუშევარია და ჩვენ ძლივს ვიკაწრავთ ზედაპირს, მაგრამ ვგრძნობ, რომ ეს არის პირველი ძალიან სერიოზული მცდელობა იმის გასაგებად, თუ რას ნიშნავს ადამიანებისა და მანქანებისთვის სოციალურად ურთიერთქმედება“, - ამბობს კაცი.

ის კვლევის ასევე შედიოდა თანაწამყვანი ავტორი რავი თეჯვანი, CSAIL-ის კვლევის ასისტენტი; თანაწამყვანი ავტორი იენ-ლინგ კუო, CSAIL დოქტორანტი; ტიანმინ შუ, პოსტდოქტორი ტვინისა და შემეცნებითი მეცნიერებების დეპარტამენტში; და უფროსი ავტორი ანდრეი ბარბუ, CSAIL-ის მკვლევარი. 

სოციალური ურთიერთქმედების შესწავლა

მკვლევარებმა შექმნეს იმიტირებული გარემო, სადაც რობოტები ატარებენ ფიზიკურ და სოციალურ მიზნებს ორგანზომილებიანი ბადის გარშემო ნავიგაციისას, რამაც გუნდს საშუალება მისცა შეესწავლა სოციალური ინტერაქცია.

რობოტებს მიეცათ ფიზიკური და სოციალური მიზნები. ფიზიკური მიზანი დაკავშირებულია გარემოსთან, ხოლო სოციალური მიზანი შეიძლება იყოს რობოტის მსგავსი, რომელიც გამოცნობს რის გაკეთებას ცდილობს სხვები, სანამ საკუთარ ქმედებებს ამ წინასწარმეტყველებას დაეყრდნობა. 

მოდელი გამოიყენება იმის დასაზუსტებლად, თუ რა არის რობოტის ფიზიკური მიზნები, რა არის მისი სოციალური მიზნები და რამდენი აქცენტი უნდა გაკეთდეს ერთზე მეორეზე. თუ რობოტი ასრულებს მოქმედებებს, რომლებიც უახლოვდება მის მიზანს, ის დაჯილდოვდება. თუ რობოტი ცდილობს დაეხმაროს თავის კომპანიონს, ის არეგულირებს თავის ჯილდოს სხვის ჯილდოს. თუ რობოტი ცდილობს სხვის შეფერხებას, ის შესაბამისად არეგულირებს თავის ჯილდოს. ალგორითმი წყვეტს რა ქმედებები უნდა განახორციელოს რობოტმა და ის იყენებს ჯილდოს სისტემას, რათა უხელმძღვანელოს მას ფიზიკური და სოციალური მიზნების განხორციელებაში.

„ჩვენ გავხსენით ახალი მათემატიკური ჩარჩო, თუ როგორ აყალიბებთ სოციალურ ურთიერთქმედებას ორ აგენტს შორის. თუ თქვენ ხართ რობოტი და გსურთ X მდებარეობაზე წასვლა, მე კი სხვა რობოტი ვარ და ვხედავ, რომ თქვენ ცდილობთ X-ზე გადასვლას, მე შემიძლია ვითანამშრომლო იმით, რომ დაგეხმარო X-მდე უფრო სწრაფად მოხვედრაში. ეს შეიძლება ნიშნავდეს X-ის თქვენთან დაახლოებას, სხვა უკეთესი X-ის პოვნას, ან რაიმე ქმედების განხორციელებას, რაც თქვენ მოგიწევთ X-ზე. ჩვენი ფორმულირება საშუალებას აძლევს გეგმას აღმოაჩინოს „როგორ“; ჩვენ ვაკონკრეტებთ „რას“ იმ თვალსაზრისით, თუ რას ნიშნავს სოციალური ურთიერთქმედება მათემატიკურად“, - ამბობს თეჯვანი.

მკვლევარები იყენებენ მათემატიკურ ჩარჩოს სამი ტიპის რობოტის დასადგენად. 0 დონის რობოტს აქვს მხოლოდ ფიზიკური მიზნები, ხოლო 1 დონის რობოტს აქვს როგორც ფიზიკური, ასევე სოციალური მიზნები, მაგრამ ვარაუდობს, რომ ყველა დანარჩენს აქვს მხოლოდ ფიზიკური მიზნები. ეს ნიშნავს, რომ 1 დონის რობოტები იღებენ მოქმედებებს სხვების ფიზიკურ მიზნებზე დაყრდნობით, როგორიცაა დახმარება ან ხელის შეშლა. მე-2 დონის რობოტი ვარაუდობს, რომ სხვებს აქვთ სოციალური და ფიზიკური მიზნები და ამ რობოტებს შეუძლიათ უფრო დახვეწილი ქმედებების განხორციელება. 

მოდელის ტესტირება

მკვლევარებმა დაადგინეს, რომ მათი მოდელი ეთანხმება იმას, რასაც ადამიანები ფიქრობდნენ სოციალურ ურთიერთქმედებებზე, რომლებიც ხდებოდა თითოეულ ჩარჩოში. 

”ჩვენ გვაქვს ეს გრძელვადიანი ინტერესი, როგორც რობოტებისთვის გამოთვლითი მოდელების შექმნა, ასევე, უფრო ღრმად ჩავუღრმავდეთ ამის ადამიანურ ასპექტებს. ჩვენ გვინდა გავარკვიოთ, რა ფუნქციებს იყენებენ ადამიანები ამ ვიდეოებიდან სოციალური ინტერაქციის გასაგებად. შეგვიძლია გავაკეთოთ ობიექტური ტესტი თქვენი უნარი ამოიცნოთ სოციალური ინტერაქცია? შესაძლოა, არსებობს გზა, რომ ვასწავლოთ ადამიანებს ამ სოციალური ურთიერთქმედებების ამოცნობა და მათი შესაძლებლობების გაუმჯობესება. ჩვენ შორს ვართ ამისგან, მაგრამ სოციალური ურთიერთქმედების ეფექტურად გაზომვაც კი დიდი წინგადადგმული ნაბიჯია“, - ამბობს ბარბუ.

გუნდი ახლა მუშაობს სისტემის შემუშავებაზე 3D აგენტებით ისეთ გარემოში, რომელიც უფრო მეტი ტიპის ურთიერთქმედების საშუალებას იძლევა. მათ ასევე სურთ მოდელის შეცვლა, რათა მოიცავდეს გარემოს, სადაც ქმედებები შეიძლება წარუმატებელი იყოს და ისინი გეგმავენ მოდელში ჩართვას ნერვულ ქსელზე დაფუძნებული რობოტის დამგეგმავი. და ბოლოს, ისინი შეეცდებიან ჩაატარონ ექსპერიმენტი, რათა შეაგროვონ მონაცემები ადამიანების მიერ გამოყენებული თვისებების შესახებ, რათა დაადგინონ, არის თუ არა ორი რობოტი ჩართული სოციალურ ინტერაქციაში.