นักวิจัยพัฒนาเฟรมเวิร์กเพื่อให้หุ่นยนต์มีทักษะทางสังคม

นักวิจัยที่สถาบันเทคโนโลยีแมสซาชูเซตส์ (MIT) ได้พัฒนาเฟรมเวิร์กการควบคุมเพื่อให้หุ่นยนต์มีทักษะทางสังคม เฟรมเวิร์กนี้ช่วยให้เครื่องจักรเข้าใจสิ่งที่หมายถึงการช่วยเหลือหรือขัดขวางกันและกัน และเรียนรู้ที่จะแสดงพฤติกรรมทางสังคมด้วยตนเอง

หุ่นยนต์หนึ่งเครื่องสังเกตหุ่นยนต์อีกเครื่องหนึ่งในสภาพแวดล้อมจำลองก่อนที่จะเดาว่าหุ่นยนต์นั้นต้องการทำอะไร แล้วจึงช่วยหรือขัดขวางหุ่นยนต์นั้นตามเป้าหมายของมันเอง

นักวิจัยยังแสดงให้เห็นว่าโมเดลของพวกเขาสามารถสร้างปฏิสัมพันธ์ทางสังคมที่สมจริงและคาดเดาได้ เมื่อผู้ชมมนุษย์เห็นวิดีโอของหุ่นยนต์จำลองที่โต้ตอบกัน นักวิจัยและโมเดลเห็นด้วยว่าพฤติกรรมทางสังคมใดที่เกิดขึ้น

การทำให้หุ่นยนต์มีทักษะทางสังคมจะช่วยให้เรามีปฏิสัมพันธ์ระหว่างมนุษย์และหุ่นยนต์ที่ดีขึ้น โมเดลใหม่นี้ยังช่วยให้นักวิทยาศาสตร์สามารถวัดปฏิสัมพันธ์ทางสังคมได้อย่างมีปริมาณ

บอริส คัตซ์ เป็นนักวิจัยหลักและหัวหน้ากลุ่ม InfoLab ในห้องปฏิบัติการวิทยาการคอมพิวเตอร์และปัญญาประดิษฐ์ (CSAIL) และเป็นสมาชิกของศูนย์สำหรับสมอง จิตใจ และเครื่องจักร (CBMM)

“หุ่นยนต์จะอาศัยอยู่ในโลกของเราอีกไม่นาน และพวกมันจำเป็นต้องเรียนรู้ที่จะสื่อสารกับเราในภาษาของมนุษย์ พวกมันต้องเข้าใจว่าเมื่อไหร่ควรช่วยเหลือและเมื่อไหร่ควรเห็นอะไรที่สามารถทำได้เพื่อป้องกันไม่ให้บางสิ่งเกิดขึ้น นี่เป็นงานในระยะแรกและเรากำลังเพียงแต่เริ่มต้น แต่ฉันรู้สึกว่านี่เป็นความพยายามที่จริงจังครั้งแรกในการทำความเข้าใจว่ามนุษย์และเครื่องจักรโต้ตอบกันทางสังคมได้อย่างไร” คัตซ์กล่าว

การวิจัยยังรวมถึงผู้เขียนร่วมหลัก ราวี เตจวานี ผู้ช่วยวิจัยที่ CSAIL; ผู้เขียนร่วมหลัก เย็น-หลิง คูโอ้ นักศึกษาระดับ博士ที่ CSAIL; เทียนมิน ชู ผู้ทำหลังปริญญาโทในภาควิชาประสาทวิทยาและจิตวิทยา; และผู้เขียนร่วมอาวุโส อันเดรย์ บาร์บู ผู้วิจัยที่ CSAIL

การศึกษาปฏิสัมพันธ์ทางสังคม

นักวิจัยสร้างสภาพแวดล้อมจำลองที่หุ่นยนต์ตามล่าหาเป้าหมายทางกายภาพและทางสังคมในขณะที่เดินผ่านกริดสองมิติ ซึ่งช่วยให้ทีมสามารถศึกษาปฏิสัมพันธ์ทางสังคมได้

หุ่นยนต์ได้รับเป้าหมายทางกายภาพและทางสังคม เป้าหมายทางกายภาพเกี่ยวข้องกับสภาพแวดล้อม ในขณะที่เป้าหมายทางสังคมอาจเป็นหุ่นยนต์ที่เดาได้ว่าอีกหุ่นยนต์หนึ่งพยายามทำอะไร และใช้การคาดเดานั้นในการกระทำของมันเอง

โมเดลนี้ใช้เพื่อกำหนดว่าเป้าหมายทางกายภาพของหุ่นยนต์คืออะไร เป้าหมายทางสังคมคืออะไร และควรให้ความสำคัญกับเป้าหมายใดมากกว่า หากหุ่นยนต์ทำการกระทำที่ทำให้ใกล้เคียงกับเป้าหมาย มันจะได้รับคำชม หากหุ่นยนต์พยายามช่วยเหลือหุ่นยนต์อื่น มันจะปรับคำชมให้ตรงกับหุ่นยนต์อื่น หากหุ่นยนต์พยายามขัดขวางหุ่นยนต์อื่น มันจะปรับคำชมให้เหมาะสม อัลกอริทึมจะตัดสินว่าหุ่นยนต์ควรทำการกระทำใด และใช้ระบบคำชมเพื่อนำไปสู่การกระทำที่มีเป้าหมายทางกายภาพและทางสังคม

“เราได้เปิดเฟรมเวิร์กทางคณิตศาสตร์ใหม่สำหรับการสร้างแบบจำลองปฏิสัมพันธ์ทางสังคมระหว่างตัวแทนสองตัว หากคุณเป็นหุ่นยนต์และคุณต้องการไปที่ตำแหน่ง X และฉันเป็นหุ่นยนต์อื่นและฉันเห็นว่าคุณพยายามไปที่ตำแหน่ง X ฉันสามารถร่วมมือโดยการช่วยคุณไปที่ตำแหน่ง X ได้เร็วขึ้น ซึ่งอาจหมายถึงการย้าย X ให้ใกล้กับคุณมากขึ้น หรือการค้นหาตำแหน่ง X ที่ดีกว่า หรือการกระทำใดๆ ที่คุณต้องทำที่ตำแหน่ง X การสร้างแบบจำลองของเราช่วยให้แผนการค้นพบ ‘วิธี’; เราเป็นผู้กำหนด ‘อะไร’ ในแง่ของความหมายทางคณิตศาสตร์ของปฏิสัมพันธ์ทางสังคม” เตจวานีกล่าว

นักวิจัยใช้เฟรมเวิร์กทางคณิตศาสตร์เพื่อกำหนดหุ่นยนต์สามประเภท หุ่นยนต์ระดับ 0 มีเพียงเป้าหมายทางกายภาพ ในขณะที่หุ่นยนต์ระดับ 1 มีทั้งเป้าหมายทางกายภาพและทางสังคม แต่ถือว่าตัวแทนอื่นๆ มีเพียงเป้าหมายทางกายภาพเท่านั้น หุ่นยนต์ระดับ 1 จะกระทำการตามเป้าหมายทางกายภาพของตัวแทนอื่น เช่น การช่วยเหลือหรือขัดขวาง หุ่นยนต์ระดับ 2 ถือว่าตัวแทนอื่นมีทั้งเป้าหมายทางกายภาพและทางสังคม และหุ่นยนต์เหล่านี้สามารถกระทำการได้ซับซ้อนมากขึ้น

การทดสอบโมเดล

นักวิจัยพบว่าโมเดลของพวกเขาสอดคล้องกับสิ่งที่มนุษย์คิดเกี่ยวกับปฏิสัมพันธ์ทางสังคมที่เกิดขึ้นในแต่ละเฟรม

“เรามีความสนใจระยะยาวทั้งในการสร้างแบบจำลองเชิงคำนวณสำหรับหุ่นยนต์ และในการศึกษาด้านมนุษย์ของสิ่งนี้ เราต้องการทราบว่าคุณลักษณะใดจากวิดีโอนี้ที่มนุษย์ใช้เพื่อทำความเข้าใจปฏิสัมพันธ์ทางสังคม มีวิธีการทดสอบเชิงวัตถุเพื่อประเมินความสามารถในการรู้จักปฏิสัมพันธ์ทางสังคมหรือไม่ อาจมีวิธีสอนให้คนรู้จักปฏิสัมพันธ์เหล่านี้และพัฒนาความสามารถของพวกเขา เรายังอยู่ห่างจากสิ่งนี้ แต่แม้เพียงการวัดปฏิสัมพันธ์ทางสังคมได้อย่างมีประสิทธิภาพก็เป็นก้าวสำคัญ” บาร์บูกล่าว

ทีมงานกำลังพัฒนาระบบที่มีตัวแทน 3 มิติในสภาพแวดล้อมที่ช่วยให้เกิดปฏิสัมพันธ์หลายรูปแบบ พวกเขายังต้องการที่จะแก้ไขโมเดลเพื่อรวมสภาพแวดล้อมที่การกระทำอาจล้มเหลว และพวกเขาวางแผนจะรวมผู้วางแผนหุ่นยนต์แบบเครือข่ายประสาทเข้ากับโมเดล สุดท้าย พวกเขาจะดำเนินการการทดลองเพื่อรวบรวมข้อมูลเกี่ยวกับคุณลักษณะที่มนุษย์ใช้เพื่อกำหนดว่าหุ่นยนต์สองตัวกำลังโต้ตอบกันทางสังคมหรือไม่