Нова стаття стверджує, що роботам потрібно зрозуміти людську мотивацію

Нова стаття Національного центру ядерної робототехніки, розташованого в Університеті Бірмінгема, стверджує, що роботам потрібно зрозуміти мотивацію, як і людям. Якщо ми хочемо, щоб люди та роботизовані системи працювали ефективно та безпечно разом, роботизовані системи не можуть просто виконувати завдання без знання причини їх виконання. 

Ведучим автором статті є доктор Валеріо Ортензі з Університету Бірмінгема. Він каже, що це потрібно через те, що економіка стає все більш автоматизованою, підключеною та цифровою. Це також важливо, оскільки буде спостерігатися драматичний зростання взаємодій між людьми та роботами як на фабриках, так і вдома. 

Стаття була опублікована в Nature Machine Intelligence. Вона частково зосереджена на роботах, які використовують об’єкти та “хватання”, дії, які легко виконуються в природі, але складні серед роботів. 

Наші поточні фабричні роботизовані системи сліпо піднімають об’єкти, з якими вони вже знайомі. Ці об’єкти також знаходяться в заздалегідь визначених місцях під час вибраних часів. Якщо машина підніме об’єкт, з яким вона незнайома, і в випадковому місці, їй потрібно буде використовувати кілька складних технологій, що працюють разом. Деякі з цих технологій – системи бачення та просунутий штучний інтелект. Вони допомагають машині бачити ціль і визначати її властивості. Деякі навіть потребують датчиків, розташованих у захоплювачі, щоб запобігти тому, що робот розчавить об’єкт.

Дослідники Національного центру ядерної робототехніки кажуть, що навіть з усіма цими технологіями машина все одно не знає причини підняття об’єкта. Через це те, що ми раніше вважали успішними діями, виконуваними роботами, насправді можуть бути реальними невдачами. 

Стаття в Nature Machine Intelligence використовує приклад доставки об’єкта клієнту після його підняття. Робот піднімає об’єкт успішно без його розчавлювання. Проблема виникає, коли робот закриває важливий штрих-код. Це означає, що об’єкт не може бути відстежений, і немає інформації, що підтверджує успішну доставку об’єкта. Це ускладнює речі та призводить до невдачі системи доставки, оскільки робот не знає певних наслідків підняття об’єкта неправильно. 

Доктор Ортензі та співавтори статті також говорили про інші приклади. 

“Представіть собі, що ви просите робота передати вам отвірний ключ на робочому місці. На основі поточних конвенцій, найкращий спосіб для робота підняти інструмент – за руків’я. Нажаль, це може означати, що потужна машина потім спрямує потенційно смертоносний лезо до вас на високій швидкості. Замість цього робот повинен знати, яка кінцева мета, тобто безпечно передати отвірний ключ своєму людському колезі, щоб переосмислити свої дії.”

“Інший сценарій передбачає, що робот передає склянку води мешканцю будинку престарілих. Він повинен забезпечити, щоб не впустити склянку, але також щоб вода не розлилася під час передачі, або щоб склянка була представлена таким чином, щоб людина могла взяти її.” 

“Те, що очевидно для людей, повинно бути запрограмовано в машину, і це вимагає глибоко іншої підходу. Традиційні метрики, які дослідники використовували за останні двадцять років для оцінки роботизованої маніпуляції, недостатні. У найбільш практичному сенсі роботам потрібно нова філософія, щоб здобути хватку.” 

Професор Растман Столкін, директор Національного центру ядерної робототехніки, говорив про роль організації у розвитку цієї технології. 

“Національний центр ядерної робототехніки унікальний тим, що працює над практичними проблемами з промисловістю, а також генерує найвищого рівня передові академічні дослідження – як це видно в цій знакової статті.” 

Нове дослідження було проведено спільно з Центром досконалості робототехнічного зору в Університеті технологій Квінсленда, Австралія, Scuola Superiore Sant’Anna, Італія, Німецьким аерокосмічним центром (DLR), Німеччина, та Університетом Пізи, Італія.