10 نوامبر 2021 -توسط Ingrid Fadelli
از آنجایی که روبات ها در تعداد فزاینده ای از کاربردهای دنیای واقعی معرفی می شوند، برای آنها مهم است که بتوانند به طور موثر با کاربران انسانی همکاری کنند. علاوه بر برقراری ارتباط با انسان ها و کمک به آنها در کارهای روزمره، ممکن است برای ربات ها مفید باشد که به طور مستقل تعیین کنند که آیا به کمک آنها نیاز است یا خیر.
محققان در کالج فرانکلین و مارشال اخیرا در تلاش برای توسعه ابزارهای محاسباتی هستند که می تواند عملکرد روبات های کمکی اجتماعی را بهبود بخشد و به آنها اجازه می دهد نشانه های اجتماعی ارائه شده توسط انسان ها را پردازش کنند و بر اساس آن پاسخ دهند. در مقاله ای که از قبل در arXiv منتشر شد و در سمپوزیوم AI-HRI 2021 ارائه شد، آنها تکنیک جدیدی را معرفی کردند که به روبات ها اجازه می دهد به طور مستقل تشخیص دهند که چه زمانی مناسب است که وارد عمل شوند و به کاربران کمک کنند.
جیسون آر. ویلسون، یکی از محققانی که این مطالعه را انجام داده است، به TechXplore گفت: “من علاقه مند به طراحی ربات هایی هستم که به افراد در کارهای روزمره مانند پختن شام، یادگیری ریاضی یا مونتاژ مبلمان Ikea کمک می کنند.” “من به دنبال جایگزینی افرادی نیستم که در انجام این وظایف کمک می کنند. در عوض، من می خواهم روبات ها بتوانند کمک های انسانی را تکمیل کنند، به خصوص در مواردی که افراد کافی برای کمک نداریم.”
ویلسون معتقد است که وقتی یک ربات به انسان کمک می کند تا یک کار مشخص را انجام دهد، باید این کار را به روشی «محترمانه» انجام دهد. به عبارت دیگر، او فکر می‌کند که ربات‌ها در حالت ایده‌آل باید نسبت به انسانیت کاربران خود حساس باشند و به کرامت و استقلال آنها احترام بگذارند.
روش های مختلفی وجود دارد که متخصصان رباتیک می توانند کرامت و استقلال کاربران را در طراحی های خود در نظر بگیرند. ویلسون و شاگردانش Phyo Thuta Aung و Isabelle Boucher در کار اخیر خود به طور خاص بر حفظ استقلال کاربر تمرکز کردند.
ویلسون توضیح داد: «یکی از راه‌های یک روبات برای حمایت از خودمختاری این است که اطمینان حاصل شود که ربات تعادلی بین کمک زیاد و کم پیدا می‌کند. “کار قبلی من الگوریتم هایی را برای تنظیم میزان کمک ربات بر اساس میزان کمک مورد نیاز کاربر بررسی کرده است. مطالعه اخیر ما بر تخمین میزان کمک مورد نیاز کاربر متمرکز شده است.”
هنگامی که انسان ها برای انجام یک کار معین به کمک نیاز دارند، می توانند صریحاً درخواست کمک کنند یا به روش های ضمنی بیان کنند که در حال مبارزه هستند. به عنوان مثال، آنها می توانند نظراتی مانند ” مطمئن نیستم” را بیان کنند یا ناراحتی خود را از طریق حالات صورت یا زبان بدن خود ابراز کنند. راهبردهای ضمنی دیگری که توسط انسان ها برای برقراری ارتباط استفاده می شود و نیاز به کمک دارند، استفاده از نگاه چشمی است.
ویلسون گفت: «به عنوان مثال، یک فرد ممکن است به موردی که روی آن کار می کند نگاه کند، سپس به فردی که می تواند به او کمک کند نگاه کند و سپس به عقب نگاه کند. این الگوی نگاه، که نگاه تاییدی نامیده می‌شود، برای درخواست از طرف مقابل به چیزی که به آن نگاه می‌کند، استفاده می‌شود، شاید به این دلیل که مطمئن نیست که درست است یا خیر.
هدف اصلی مطالعه اخیر انجام شده توسط ویلسون، آنگ و بوچر این بود که به روبات‌ها اجازه دهند تا به طور خودکار نشانه‌های مربوط به نگاه چشم را به روش‌های مفید پردازش کنند. تکنیکی که آنها ایجاد کرده‌اند می‌تواند انواع مختلف نشانه‌ها، از جمله گفتار کاربر و الگوهای نگاه چشم را تجزیه و تحلیل کند.
ویلسون توضیح داد: نوع معماری که ما در حال توسعه آن هستیم، به طور خودکار گفتار کاربر را تشخیص می‌دهد و آن را تجزیه و تحلیل می‌کند تا مشخص کند که آیا بیان می‌کند که می‌خواهد یا نیاز به کمک دارد. در عین حال، این سیستم همچنین الگوهای نگاه کاربران را شناسایی می کند و تعیین می کند که آیا آنها الگوی نگاه مرتبط با نیاز به کمک را نشان می دهند یا خیر.
برخلاف سایر تکنیک‌ها برای تقویت تعاملات انسان و ربات، این رویکرد به اطلاعاتی در مورد کار خاصی که کاربران در حال انجام آن هستند نیاز ندارد. این بدان معنی است که می توان آن را به راحتی برای روبات هایی که در زمینه های مختلف دنیای واقعی کار می کنند اعمال کرد و برای مقابله با وظایف مختلف آموزش دید.
در حالی که مدل ایجاد شده توسط ویلسون و همکارانش می‌تواند تجربیات کاربر را بدون نیاز به جزئیات مربوط به کار افزایش دهد، توسعه‌دهندگان همچنان می‌توانند این جزئیات را برای افزایش دقت و عملکرد آن ارائه دهند. در آزمایش‌های اولیه، این چارچوب به نتایج بسیار امیدوارکننده‌ای دست یافت، بنابراین به زودی می‌توان از آن برای بهبود عملکرد روبات‌های اجتماعی موجود و جدید استفاده کرد.
