Ny artikel hävdar att robotar behöver förstå mänsklig motivation

En ny artikel av National Centre for Nuclear Robotics, baserad vid University of Birmingham, hävdar att robotar behöver förstå motivation likt oss människor. Om vi vill att människor och robotar ska arbeta effektivt och säkert tillsammans, kan robotarna inte bara utföra uppgifter utan att veta varför de gör dem.

Den ledande författaren till artikeln är Dr. Valerio Ortenzi från University of Birmingham. Han säger att detta behövs eftersom ekonomin blir alltmer automatiserad, ansluten och digitaliserad. Det är också viktigt eftersom det kommer att finnas en dramatisk ökning av interaktioner mellan människor och robotar i både fabriker och hem.

Artikeln publicerades i Nature Machine Intelligence. Den fokuserar delvis på robotar som använder föremål och ‘Grepp’, en handling som lätt kan utföras i naturen men är utmanande för robotar.

Våra nuvarande fabriksbaserade robotar plockar upp föremål som de redan är bekanta med. Dessa föremål är också på förbestämda platser under utvalda tider. Om en maskin skulle plocka upp ett föremål som den inte känner till, och på en slumpmässig plats, skulle den behöva flera komplexa teknologier som fungerar tillsammans. Några av dessa teknologier är visionsystem och avancerad AI. Några kräver till och med sensorer som är placerade i grippen för att förhindra att roboten krossar föremålet.

Forskare från National Centre for Nuclear Robotics säger att även med alla dessa teknologier, vet maskinen fortfarande inte varför den plockar upp föremålet. På grund av detta kan det som vi tidigare trodde var lyckade handlingar utförda av robotar i själva verket vara verkliga misslyckanden.

Artikeln i Nature Machine Intelligence använder exemplet med en robot som levererar ett föremål till en kund efter att ha plockat upp det. Roboten plockar upp föremålet framgångsrikt utan att krossa det. Problemet uppstår när roboten täcker över en viktig streckkod. Detta innebär att föremålet inte kan spåras och det finns ingen information som bekräftar den lyckade leveransen av föremålet. Detta komplicerar saker och resulterar i ett misslyckande av leveranssystemet eftersom roboten inte vet vissa konsekvenser av att plocka upp föremålet på fel sätt.

Dr. Ortenzi och medförfattarna till artikeln talade om andra exempel också.

“Tänk dig att be en robot att ge dig en skruvmejsel i en verkstad. Utifrån nuvarande konventioner är det bästa sättet för en robot att plocka upp verktyget att göra det vid handtaget. Tyvärr kan det innebära att en mycket kraftfull maskin sedan trycker en potentiellt dödlig egg mot dig, i hög hastighet. Istället behöver roboten veta vad det slutliga målet är, dvs. att ge skruvmejseln säkert till sin mänskliga kollega, för att ompröva sina handlingar.”

“En annan scenarie föreställer sig en robot som ger en glas vatten till en boende på ett vårdhem. Den måste se till att den inte släpper glaset men också att vatten inte spills över mottagaren under handlingen att ge, eller att glaset presenteras på ett sätt som gör att personen kan ta tag i det.”

“Vad som är uppenbart för människor måste programmeras in i en maskin och detta kräver en djupt annorlunda tillvägagångssätt. De traditionella mått som forskare har använt under de senaste tjugo åren för att bedöma robotmanipulation är inte tillräckliga. I det mest praktiska avseendet behöver robotar en ny filosofi för att få grepp.”

Professor Rustman Stolkin, chef för National Centre for Nuclear Robotics, talade om organisationens roll i att utveckla denna teknik.

“National Centre for Nuclear Robotics är unikt i att arbeta med praktiska problem i samarbete med industrin, samtidigt som vi genererar den högsta kalibern av banbrytande akademisk forskning — exemplifierad av denna banbrytande artikel.”

Den nya forskningen utfördes i samarbete med Centre of Excellence for Robotic Vision vid Queensland University of Technology, Australien, Scuola Superiore Sant’Anna, Italien, det tyska rymdcentret (DLR), Tyskland, och University of Pisa, Italien.