Дослідники розробили框 для надання соціальних навичок роботам

Дослідники в Массачусетському технологічному інституті (MIT) розробили контрольний каркас для надання соціальних навичок роботам. Каркас дозволяє машинам зрозуміти, що означає допомагати або перешкоджати один одному, а також вивчити виконання соціальної поведінки самостійно.

Робот спостерігає за своїм компаньйоном у симульованому середовищі, перш ніж здогадатися, яку задачу він хоче виконати. Потім він допомагає або перешкоджає іншому роботові на основі своїх власних цілей.

Дослідники також продемонстрували, що їхня модель створює реалістичні та передбачувані соціальні взаємодії. Коли людські глядачі бачили відео симульованих роботів, що взаємодіють один з одним, вони погоджувалися з моделлю щодо того, яка соціальна поведінка відбувалася.

Надання роботам соціальних навичок дозволить досягти більш позитивних взаємодій між людиною та роботом. Нова модель також дозволить науковцям вимірювати соціальні взаємодії кількісно.

Боріс Кац – головний науковий співробітник і керівник групи InfoLab у лабораторії комп’ютерних наук та штучного інтелекту (CSAIL), а також член Центру для мозку, розуму та машин (CBMM).

“Роботи скоро будуть жити у нашому світі, і їм справді потрібно вивчити, як спілкуватися з нами на людських умовах. їм потрібно зрозуміти, коли їм потрібно допомогти, а коли їм потрібно побачити, що вони можуть зробити, щоб запобігти чому-небудь. Це дуже рання робота, і ми тільки починаємо вивчати цю тему, але я відчуваю, що це перша серйозна спроба зрозуміти, що означає для людей і машин взаємодіяти соціально”, – каже Кац.

У дослідженні також брали участь співавтори Раві Теджвані, дослідницький асистент у CSAIL; співавтор Єн-Лінг Куо, аспірант CSAIL; Тяньмінь Шу, постдок у відділі мозку та когнітивних наук; і старший автор Андрій Барбу, науковий співробітник у CSAIL.

Вивчення соціальних взаємодій

Дослідники створили симульоване середовище, у якому роботи переслідують фізичні та соціальні цілі, рухаючись у двовимірній сітці, що дозволило команді вивчити соціальну взаємодію.

Роботам були дані фізичні та соціальні цілі. Фізична мета пов’язана з середовищем, тоді як соціальна мета могла бути чимось на зразок того, що робот здогадується, чого хоче інший, перш ніж засновувати свої дії на цьому передбаченні.

Модель використовується для визначення фізичних цілей робота, соціальних цілей та того, наскільки потрібно підкреслити одну над іншою. Якщо робот виконує дії, які наближають його до мети, він нагороджується. Якщо робот намагається допомогти своєму компаньйону, він коригує свою нагороду відповідно. Якщо робот намагається перешкоджати іншому, він коригує свою нагороду відповідно. Алгоритм вирішує, які дії повинен виконати робот, і він використовує систему нагород для керівництва ним у виконанні фізичних та соціальних цілей.

“Ми відкрили новий математичний каркас для моделювання соціальної взаємодії між двома агентами. Якщо ви робот, і ви хочете потрапити до місця X, і я інший робот, і я бачу, що ви хочете потрапити до місця X, я можу співпрацювати, допомагаючи вам потрапити до місця X швидше. Це може означати рух X ближче до вас, знайти інше, краще X, або виконати будь-яку дію, яку ви мали виконати в X. Наша формула дозволяє плану відкрити ‘як’; ми вказуємо ‘що’ у термінах того, що соціальні взаємодії означають математично”, – каже Теджвані.

Дослідники використовують математичний каркас для визначення трьох типів роботів. Робот рівня 0 має тільки фізичні цілі, тоді як робот рівня 1 має фізичні та соціальні цілі, але припускає, що всі інші мають тільки фізичні цілі. Це означає, що роботи рівня 1 виконують дії на основі фізичних цілей інших, таких як допомога або перешкоджання. Робот рівня 2 припускає, що інші мають соціальні та фізичні цілі, і ці роботи можуть виконувати більш складні дії.

Тестування моделі

Дослідники виявили, що їхня модель погоджується з тим, що люди думають про соціальні взаємодії, які відбуваються у кожному кадрі.

“У нас є довгостроковий інтерес, як до будівництва обчислювальних моделей для роботів, так і до глибшого вивчення людських аспектів цього. Ми хочемо дізнатися, які ознаки з цих відео люди використовують для розуміння соціальних взаємодій. Чи можна створити об’єктивний тест для вашої здатності розпізнавати соціальні взаємодії? Можливо, є спосіб навчити людей розпізнавати ці соціальні взаємодії та покращити їхні можливості. Ми ще далеко від цього, але навіть тільки можливість ефективно вимірювати соціальні взаємодії – це великий крок вперед”, – каже Барбу.

Команда зараз працює над розробкою системи з 3D-агентами в середовищі, яке дозволяє більш різноманітні взаємодії. Вони також хочуть змінити модель, щоб включити середовища, у яких дії можуть зазнати невдачі, і вони планують включити нейронну мережу-робота у модель. Останнім кроком буде проведення експерименту для збору даних про ознаки, які люди використовують для визначення того, чи займаються два робота соціальною взаємодією.