การสอนหุ่นยนต์ให้คาดการณ์ความชอบของมนุษย์เพื่อการทำงานร่วมกันที่ดีขึ้น

มนุษย์มีความสามารถพิเศษในการเข้าใจเป้าหมาย ความต้องการ และความเชื่อของผู้อื่น ซึ่งเป็นสิ่งสำคัญสำหรับการคาดการณ์การกระทำและการทำงานร่วมกันอย่างมีประสิทธิภาพ ทักษะนี้ซึ่งเรียกว่า “ทฤษฎีของจิตใจ” เป็นสิ่งที่เรามีโดยสืบเชื้อสายแต่ก็ยังเป็นความท้าทายสำหรับหุ่นยนต์ อย่างไรก็ตาม หากหุ่นยนต์ต้องการเป็นผู้ช่วยที่ทำงานร่วมกันได้จริงในอุตสาหกรรมและชีวิตประจำวัน พวกมันก็ต้องเรียนรู้ความสามารถเหล่านี้เช่นกัน

ใน บทความ ใหม่ ซึ่งเป็นผู้เข้าสู่รอบสุดท้ายของรางวัลบทความยอดเยี่ยมที่การประชุม ACM/IEEE International Conference on Human-Robot Interaction (HRI) นักวิจัยด้านวิทยาการคอมพิวเตอร์จาก USC Viterbi ตั้งเป้าหมายที่จะสอนหุ่นยนต์ให้ทำนายความชอบของมนุษย์ในงานประกอบชิ้นส่วน ซึ่งจะทำให้หุ่นยนต์ในวันหนึ่งสามารถช่วยเหลือในงานต่าง ๆ ตั้งแต่การสร้างดาวเทียมจนถึงการจัดโต๊ะอาหาร

“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.”

แนวทางใหม่ในการทำนายการกระทำของมนุษย์

การทำนายการกระทำของมนุษย์อาจเป็นเรื่องท้าทาย เนื่องจากแต่ละคนมีวิธีการทำงานเดียวกันในรูปแบบที่แตกต่างกัน เทคนิคปัจจุบันต้องให้คนแสดงวิธีที่ต้องการประกอบชิ้นส่วน ซึ่งอาจใช้เวลามากและไม่คุ้มค่า เพื่อตอบสนองปัญหานี้ นักวิจัยได้ค้นพบความคล้ายคลึงกันในการประกอบผลิตภัณฑ์ต่าง ๆ ของแต่ละบุคคลและใช้ความรู้นี้เพื่อทำนายความชอบ

แทนที่จะให้บุคคลต้อง “แสดง” ความชอบของตนต่อหุ่นยนต์ในงานที่ซับซ้อน นักวิจัยได้สร้างงานประกอบขนาดเล็ก (เรียกว่า “งานมาตรฐาน”) ที่สามารถทำได้อย่างรวดเร็วและง่ายดาย จากนั้นหุ่นยนต์จะ “สังเกต” มนุษย์ทำงานโดยใช้กล้องและใช้การเรียนรู้ของเครื่องเพื่อเรียนรู้ความชอบของบุคคลจากลำดับการกระทำในงานมาตรฐานนั้น

ในการศึกษาเชิงผู้ใช้ ระบบของนักวิจัยสามารถทำนายการกระทำของมนุษย์ได้ด้วยความแม่นยำประมาณ 82% วิธีการนี้ไม่เพียงช่วยประหยัดเวลาและความพยายามเท่านั้น แต่ยังช่วยสร้างความไว้วางใจระหว่างมนุษย์และหุ่นยนต์อีกด้วย มันอาจเป็นประโยชน์ในสภาพแวดล้อมอุตสาหกรรมที่คนงานประกอบผลิตภัณฑ์ในปริมาณมาก รวมถึงผู้ที่มีความพิการหรือการเคลื่อนไหวจำกัดที่ต้องการความช่วยเหลือในการประกอบผลิตภัณฑ์

สู่อนาคตของการทำงานร่วมกันระหว่างมนุษย์และหุ่นยนต์ที่ดียิ่งขึ้น

เป้าหมายของนักวิจัยไม่ใช่การทดแทนคนงาน แต่เพื่อปรับปรุงความปลอดภัยและประสิทธิภาพการผลิตในโรงงานผสมผสานระหว่างมนุษย์และหุ่นยนต์โดยให้หุ่นยนต์ทำงานที่ไม่มีคุณค่าเพิ่มหรือเป็นงานที่ท้าทายด้านกายภาพ งานวิจัยในอนาคตจะมุ่งเน้นการพัฒนาวิธีการออกแบบงานมาตรฐานโดยอัตโนมัติสำหรับประเภทงานประกอบที่แตกต่างกันและประเมินประโยชน์ของการเรียนรู้ความชอบของมนุษย์จากงานสั้น ๆ และการทำนายการกระทำในงานซับซ้อนในบริบทต่าง ๆ เช่นการช่วยเหลือส่วนบุคคลในบ้าน

“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.