Исследователи разработали框架 для предоставления роботам социальных навыков

Исследователи в Массачусетском технологическом институте (MIT) разработали контрольный框架 для предоставления роботам социальных навыков. Этот框架 позволяет машинам понимать, что значит помогать или препятствовать друг другу, а также учиться выполнять социальное поведение самостоятельно.

Робот наблюдает за своим компаньоном в симулированной среде, прежде чем угадать, какую задачу он хочет выполнить. Затем он помогает или препятствует другому роботу на основе своих собственных целей.

Исследователи также продемонстрировали, что их модель создает реалистичные и предсказуемые социальные взаимодействия. Когда человеческие зрители были показаны видео симулированных роботов, взаимодействующих друг с другом, они согласились с моделью о том, какое социальное поведение происходит.

Позволяя роботам демонстрировать социальные навыки, мы можем достичь более положительных взаимодействий между людьми и роботами. Новая модель также может позволить ученым измерять социальные взаимодействия количественно.

Борис Кац – главный исследовательский ученый и руководитель группы InfoLab в лаборатории компьютерных наук и искусственного интеллекта (CSAIL), а также член Центра мозга, умов и машин (CBMM).

“Роботы скоро будут жить в нашем мире, и им действительно нужно научиться общаться с нами на человеческом языке. Им нужно понимать, когда им нужно помогать, и когда им нужно видеть, что они могут сделать, чтобы предотвратить что-то. Это очень ранняя работа, и мы только начинаем понимать, но я чувствую, что это первая серьезная попытка понять, что значит для людей и машин взаимодействовать социально”, – говорит Кац.

Исследование также включало соавтора Рави Теджвани, исследовательского ассистента в CSAIL; соавтора Ен-Линг Куо, аспиранта CSAIL; Тяньминь Шу, постдока в департаменте мозга и когнитивных наук; и старшего автора Андрея Барбу, исследовательского ученого в CSAIL.

Изучение социальных взаимодействий

Исследователи создали симулированную среду, где роботы преследуют физические и социальные цели, перемещаясь по двумерной сетке, что позволило команде изучить социальное взаимодействие.

Роботам были даны физические и социальные цели. Физическая цель связана с окружающей средой, а социальная цель может быть чем-то вроде робота, который угадывает, что другой робот пытается сделать, прежде чем основывать свои действия на этом прогнозе.

Модель используется для указания того, какие физические цели у робота, какие социальные цели, и какое внимание должно быть уделено одному над другим. Если робот выполняет действия, которые приближают его к цели, он получает награду. Если робот пытается помочь своему компаньону, он корректирует свою награду, чтобы она соответствовала награде другого робота. Если робот пытается препятствовать другому, он корректирует свою награду соответственно. Алгоритм решает, какие действия должен выполнить робот, и он использует систему наград, чтобы направлять его к выполнению физических и социальных целей.

“Мы открыли новую математическую основу для моделирования социального взаимодействия между двумя агентами. Если вы робот, и вы хотите пойти в место X, и я другой робот и вижу, что вы пытаетесь пойти в место X, я могу сотрудничать, помогая вам добраться до места X быстрее. Это может означать перемещение X ближе к вам, поиск другого лучшего X или выполнение любого действия, которое вам нужно было выполнить в X. Наша формулировка позволяет плану открыть ‘как’; мы указываем ‘что’ в терминах того, что социальные взаимодействия означают математически”, – говорит Теджвани.

Исследователи используют математическую основу для определения трех типов роботов. Робот уровня 0 имеет только физические цели, а робот уровня 1 имеет и физические, и социальные цели, но предполагает, что все остальные имеют только физические цели. Это означает, что роботы уровня 1 выполняют действия на основе физических целей других, таких как помощь или препятствование. Робот уровня 2 предполагает, что другие имеют социальные и физические цели, и эти роботы могут выполнять более сложные действия.

Тестирование модели

Исследователи обнаружили, что их модель согласуется с тем, что люди думают о социальных взаимодействиях, происходящих в каждом кадре.

“У нас есть долгосрочный интерес, как к построению вычислительных моделей для роботов, так и к более глубокому пониманию человеческих аспектов этого. Мы хотим узнать, какие особенности из этих видео люди используют, чтобы понять социальные взаимодействия. Можем ли мы создать объективный тест для вашей способности распознавать социальные взаимодействия? Может быть, есть способ научить людей распознавать эти социальные взаимодействия и улучшить их способности. Мы еще далеки от этого, но даже просто возможность измерять социальные взаимодействия эффективно – это большой шаг вперед”, – говорит Барбу.

Команда сейчас работает над разработкой системы с 3D-агентами в среде, которая позволяет более типов взаимодействий. Они также хотят изменить модель, чтобы включить среды, где действия могут неудачно, и они планируют включить планировщик робота на основе нейронной сети в модель. Наконец, они будут проводить эксперимент, чтобы собрать данные о особенностях, которые люди используют, чтобы определить, взаимодействуют ли два робота социально.