Обучение роботов предвидеть человеческие предпочтения для улучшенного взаимодействия

У людей есть уникальная способность понимать цели, желания и убеждения других, что является ключевым для предвидения действий и эффективного сотрудничества. Этот навык, известный как «теория разума», врождён у нас, но остаётся проблемой для роботов. Тем не менее, если роботы должны стать действительно совместными помощниками в производстве и повседневной жизни, им также необходимо освоить эти способности.

В новой статье, ставшей финалистом премии за лучшую работу на Международной конференции ACM/IEEE по взаимодействию человек‑робот (HRI), исследователи компьютерных наук из USC Viterbi стремятся научить роботов предсказывать человеческие предпочтения в сборочных задачах. Это позволит роботам однажды помогать в различных задачах, от создания спутников до накрытия стола.

“When working with people, a robot needs to constantly guess what the person will do next,” said lead author Heramb Nemlekar, a USC computer science PhD student supervised by Stefanos Nikolaidis, an assistant professor of computer science. “For example, if the robot thinks the person will need a screwdriver to assemble the next part, it can get the screwdriver ahead of time so that the person does not have to wait. This way the robot can help people finish the assembly much faster.”

A New Approach to Predicting Human Actions

Predicting human actions can be challenging, as different people prefer to complete the same task in various ways. Current techniques require people to demonstrate how they would like to perform the assembly, which can be time-consuming and counterproductive. To address this issue, the researchers discovered similarities in how individuals assemble different products and used this knowledge to predict preferences.

Вместо того чтобы требовать от людей «показывать» роботу свои предпочтения в сложной задаче, исследователи создали небольшую сборочную задачу (именуемую «канонической»), которую можно быстро и легко выполнить. Затем робот «наблюдает» за тем, как человек выполняет задачу с помощью камеры и использует машинное обучение, чтобы узнать предпочтения человека на основе последовательности его действий в канонической задаче.

В пользовательском исследовании система исследователей смогла предсказывать человеческие действия с точностью около 82 %. Такой подход не только экономит время и усилия, но и способствует укреплению доверия между людьми и роботами. Он может быть полезен в промышленных условиях, где рабочие собирают изделия в больших масштабах, а также для людей с ограниченными возможностями или подвижностью, которым требуется помощь в сборке изделий.

Towards a Future of Enhanced Human-Robot Collaboration

The researchers’ goal is not to replace human workers but to improve safety and productivity in human-robot hybrid factories by having robots perform non-value-added or ergonomically challenging tasks. Future research will focus on developing a method to automatically design canonical tasks for different types of assembly tasks and evaluating the benefits of learning human preferences from short tasks and predicting actions in complex tasks in various contexts, such as personal assistance in homes.

“A robot that can quickly learn our preferences can help us prepare a meal, rearrange furniture, or do house repairs, having a significant impact on our daily lives,” said Nikolaidis.