Nauczanie robotów przewidywania ludzkich preferencji dla zwiększonej współpracy

Ludzie posiadają wyjątkową zdolność rozumienia celów, pragnień i przekonań innych, co jest kluczowe dla przewidywania działań i efektywnej współpracy. Umiejętność ta, znana jako „teoria umysłu”, jest wrodzona, lecz wciąż stanowi wyzwanie dla robotów. Jednak aby roboty stały się prawdziwie współpracującymi pomocnikami w przemyśle i codziennym życiu, muszą również nauczyć się tych zdolności.

W nowym artykule, który był finalistą nagrody za najlepszy artykuł na Międzynarodowej Konferencji ACM/IEEE ds. Interakcji Człowiek‑Robot (HRI), badacze informatyki z USC Viterbi dążą do nauczenia robotów przewidywania ludzkich preferencji w zadaniach montażowych. Pozwoli to robotom pewnego dnia wspomagać różnorodne czynności, od budowy satelitów po nakrywanie stołu.

„Pracując z ludźmi, robot musi nieustannie zgadywać, co dana osoba zrobi jako następne” – powiedział główny autor Heramb Nemlekar, doktorant informatyki na USC, pod kierunkiem Stefanos Nikolaidis, adiunkta informatyki. „Na przykład, jeśli robot uważa, że osoba będzie potrzebować śrubokręta do złożenia kolejnej części, może przygotować śrubokręt z wyprzedzeniem, aby osoba nie musiała czekać. Dzięki temu robot może pomóc ludziom znacznie szybciej zakończyć montaż.”

Nowe podejście do przewidywania ludzkich działań

Przewidywanie ludzkich działań może być trudne, ponieważ różni ludzie wolą realizować to samo zadanie na różne sposoby. Obecne techniki wymagają od osób pokazania, jak chciałyby wykonać montaż, co może być czasochłonne i nieefektywne. Aby rozwiązać ten problem, badacze odkryli podobieństwa w sposobie, w jaki jednostki montują różne produkty, i wykorzystali tę wiedzę do przewidywania preferencji.

Zamiast wymagać od osób „pokazywania” robotowi swoich preferencji w skomplikowanym zadaniu, badacze stworzyli małe zadanie montażowe (określane jako zadanie „kanoniczne”), które można szybko i łatwo wykonać. Robot następnie „obserwuje” człowieka wykonującego to zadanie przy użyciu kamery i wykorzystuje uczenie maszynowe, aby poznać preferencje osoby na podstawie kolejności jej działań w zadaniu kanonicznym.

W badaniu użytkowników system badaczy był w stanie przewidzieć ludzkie działania z około 82% dokładnością. Podejście to nie tylko oszczędza czas i wysiłek, ale także pomaga budować zaufanie między ludźmi a robotami. Może być przydatne w środowiskach przemysłowych, gdzie pracownicy montują produkty na dużą skalę, a także dla osób niepełnosprawnych lub o ograniczonej mobilności, które potrzebują wsparcia przy montażu produktów.

W kierunku przyszłości zwiększonej współpracy człowiek‑robot

Celem badaczy nie jest zastąpienie ludzkich pracowników, lecz zwiększenie bezpieczeństwa i wydajności w hybrydowych fabrykach człowiek‑robot, poprzez powierzenie robotom zadań nieprzynoszących wartości dodanej lub ergonomicznie trudnych. Przyszłe badania będą koncentrować się na opracowaniu metody automatycznego projektowania zadań kanonicznych dla różnych typów zadań montażowych oraz ocenie korzyści płynących z uczenia się ludzkich preferencji na podstawie krótkich zadań i przewidywania działań w złożonych zadaniach w różnych kontekstach, takich jak pomoc osobista w domach.

„Robot, który szybko nauczy się naszych preferencji, może pomóc nam przygotować posiłek, przestawić meble lub wykonać naprawy domowe, wywierając znaczący wpływ na nasze codzienne życie” – powiedział Nikolaidis.