教机器人预判人类偏好以提升协作

人类拥有独特的能力，能够理解他人的目标、欲望和信念，这对于预测行为和有效协作至关重要。这种被称为“心智理论”的技能是与生俱来的，但对机器人而言仍是难题。然而，如果机器人要在制造业和日常生活中真正成为协作助手，它们也必须学习这些能力。

在一篇新的论文中，该论文是 ACM/IEEE 国际人机交互会议（HRI）最佳论文奖的决赛入围作品，来自 USC Viterbi 的计算机科学研究人员旨在教机器人预测装配任务中的人类偏好。这将使机器人有朝一天能够协助完成各种任务，从组装卫星到摆放餐具。

“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.”

预测人类行为的新方法

预测人类行为可能充满挑战，因为不同的人倾向于以不同方式完成同一任务。当前技术要求人们展示他们希望如何进行装配，这既耗时又适得其反。为了解决这一问题，研究人员发现个体在组装不同产品时存在相似性，并利用这些知识来预测偏好。

研究人员没有让个人在复杂任务中“向”机器人展示他们的偏好，而是设计了一个小型装配任务（称为“标准”任务），该任务可以快速且轻松地完成。随后机器人通过摄像头“观察”人类完成该任务，并利用机器学习根据人在标准任务中的动作序列学习其偏好。

在一项用户研究中，研究人员的系统能够以约 82% 的准确率预测人类行为。这种方法不仅节省时间和精力，还帮助建立人机之间的信任。它在工业环境中具有潜在价值，工人可以大规模装配产品，同时也能帮助残障或行动受限的人士完成装配任务。

迈向增强型人机协作的未来

研究人员的目标并非取代人类工人，而是通过让机器人承担非增值或人体工学上具有挑战性的任务，提升人机混合工厂的安全性和生产率。未来的研究将致力于开发一种自动为不同装配任务设计标准任务的方法，并评估从短任务中学习人类偏好、在复杂任务以及各种情境（如家庭个人助理）中预测行为的益处。

“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.