연구원들은 로봇에게 사회적 기술을 부여하기 위한 프레임워크를 개발합니다.

MIT(Massachusetts Institute of Technology)의 연구원들은 로봇에게 사회적 기술을 부여하기 위한 제어 프레임워크를 개발했습니다. 이 프레임워크를 통해 기계는 서로를 돕거나 방해하는 것이 무엇을 의미하는지 이해하고 스스로 사회적 행동을 수행하는 방법을 배울 수 있습니다. 

로봇은 수행하려는 작업을 추측하기 전에 시뮬레이션 환경에서 동료를 관찰합니다. 그런 다음 자신의 목표에 따라 다른 로봇을 돕거나 방해합니다. 

연구원들은 또한 그들의 모델이 현실적이고 예측 가능한 사회적 상호 작용을 생성한다는 것을 보여주었습니다. 시뮬레이션된 로봇이 서로 상호 작용하는 비디오를 인간 시청자에게 보여주었을 때 그들은 사회적 행동이 발생하는 모델에 동의했습니다.

로봇이 사회적 기술을 발휘할 수 있게 함으로써 우리는 보다 긍정적인 인간-로봇 상호 작용을 달성할 수 있습니다. 새로운 모델은 또한 과학자들이 사회적 상호 작용을 정량적으로 측정할 수 있도록 합니다. 

Boris Katz는 CSAIL(Computer Science and Artificial Intelligence Laboratory)의 InfoLab 그룹 수석 연구 과학자이자 책임자이자 CBMM(Center for Brains, Minds, and Machines)의 회원입니다. 

“로봇은 머지않아 우리 세상에 살게 될 것이며 로봇은 인간의 용어로 우리와 소통하는 방법을 정말로 배워야 합니다. 그들은 도움을 주어야 할 때와 어떤 일이 발생하지 않도록 하기 위해 무엇을 할 수 있는지 확인해야 할 때를 이해해야 합니다. 이것은 매우 초기 작업이며 표면을 거의 긁지 않았지만 인간과 기계가 사회적으로 상호 작용하는 것이 무엇을 의미하는지 이해하려는 첫 번째 진지한 시도라고 생각합니다.”라고 Katz는 말합니다.

XNUMXD덴탈의 연구 또한 CSAIL의 연구 조교인 Ravi Tejwani의 공동 저자를 포함했습니다. 공동 저자인 Yen-Ling Kuo, CSAIL 박사 과정 학생; Tianmin Shu, 뇌 및 인지 과학과 박사후 연구원; CSAIL의 연구 과학자인 수석 저자 Andrei Barbu. 

사회적 상호 작용 연구

연구원들은 로봇이 XNUMX차원 그리드를 탐색하면서 물리적 및 사회적 목표를 추구하는 시뮬레이션 환경을 만들어 팀이 사회적 상호 작용을 연구할 수 있도록 했습니다.

로봇에는 물리적 및 사회적 목표가 주어졌습니다. 물리적 목표는 환경과 관련이 있는 반면, 사회적 목표는 그 예측에 따라 행동을 취하기 전에 다른 사람이 무엇을 하려고 하는지 추측하는 로봇과 같은 것일 수 있습니다. 

이 모델은 로봇의 물리적 목표가 무엇인지, 사회적 목표가 무엇인지, 서로 간에 얼마나 강조해야 하는지를 지정하는 데 사용됩니다. 로봇이 목표에 더 가까워지는 행동을 완료하면 보상을 받습니다. 로봇이 동반자를 도우려고 하면 상대방의 보상과 일치하도록 보상을 조정합니다. 로봇이 상대방을 방해하려고 하면 그에 따라 보상을 조정합니다. 알고리즘은 로봇이 취해야 할 행동을 결정하고 보상 시스템을 사용하여 물리적 및 사회적 목표를 수행하도록 안내합니다.

“우리는 두 에이전트 간의 사회적 상호 작용을 모델링하는 방법에 대한 새로운 수학적 프레임워크를 열었습니다. 당신이 로봇이고 당신이 X 위치로 가고 싶어하고 나는 또 다른 로봇이고 당신이 X 위치로 가려고 하는 것을 보면 나는 당신이 X 위치에 더 빨리 도착하도록 도와줌으로써 협력할 수 있습니다. 그것은 X를 당신에게 더 가까이 이동시키거나, 다른 더 나은 X를 찾거나, X에서 취해야 할 조치를 취하는 것을 의미할 수 있습니다. 우리의 공식화를 통해 계획은 '방법'을 발견할 수 있습니다. 우리는 사회적 상호 작용이 수학적으로 의미하는 측면에서 '무엇'을 지정합니다.”라고 Tejwani는 말합니다.

연구원들은 세 가지 유형의 로봇을 정의하기 위해 수학적 프레임워크를 사용합니다. 레벨 0 로봇은 물리적 목표만 있는 반면, 레벨 1 로봇은 물리적 목표와 사회적 목표가 모두 있지만 다른 모든 로봇은 물리적 목표만 있다고 가정합니다. 즉, 레벨 1 로봇은 도움이나 방해와 같은 다른 사람의 물리적 목표에 따라 행동을 취합니다. 레벨 2 로봇은 다른 사람들이 사회적 및 신체적 목표를 가지고 있다고 가정하고 이 로봇은 보다 정교한 행동을 취할 수 있습니다. 

모델 테스트

연구원들은 그들의 모델이 각 프레임에서 발생하는 사회적 상호 작용에 대한 인간의 생각과 일치한다는 것을 발견했습니다. 

“우리는 로봇을 위한 계산 모델을 구축하는 것뿐만 아니라 이것의 인간적 측면을 더 깊이 파고드는 장기적인 관심을 가지고 있습니다. 우리는 인간이 사회적 상호 작용을 이해하기 위해 사용하는 이러한 비디오의 기능을 알고 싶습니다. 사회적 상호 작용을 인식하는 능력에 대한 객관적인 테스트를 할 수 있습니까? 아마도 사람들에게 이러한 사회적 상호 작용을 인식하고 능력을 향상하도록 가르치는 방법이 있을 것입니다. 아직 멀었지만 사회적 상호 작용을 효과적으로 측정할 수 있다는 것만으로도 큰 발전입니다.”라고 Barbu는 말합니다.

팀은 현재 더 많은 유형의 상호 작용을 허용하는 환경에서 3D 에이전트가 있는 시스템을 개발하기 위해 노력하고 있습니다. 그들은 또한 행동이 실패할 수 있는 환경을 포함하도록 모델을 수정하기를 원하며 신경망 기반 로봇 플래너를 모델에 통합할 계획입니다. 마지막으로 그들은 두 로봇이 사회적 상호 작용에 참여하고 있는지 확인하기 위해 인간이 사용하는 기능에 대한 데이터를 수집하기 위한 실험을 실행할 것입니다.