Des chercheurs tentent de doter les robots de compétences sociales pour améliorer les interactions
Les robots du cinéma sont connus pour aider (ou gêner) les humains, mais dans le monde réel, leurs compétences sociales sont assez limitées. Selon un nouveau rapport, des chercheurs en informatique du CSAIL du Massachusetts Institute of Technology tentent de corriger cela en apprenant aux robots à interagir avec d'autres robots et avec des humains pour atteindre leurs propres objectifs.
« Bientôt, des robots seront partout dans notre monde, et ils devront vraiment apprendre à communiquer avec nous d'égal à égal. Ils doivent comprendre quand il est temps d'aider, et quand il faut observer ce qu'ils peuvent faire pour éviter qu'un problème ne survienne »
L'équipe qualifie cette étude de « première tentative très sérieuse de comprendre ce que signifie l'interaction sociale entre humains et machines ». Le problème qu'ils tentent de résoudre à un stade très précoce sera sans aucun doute de plus en plus étudié par les roboticiens, à mesure que les robots joueront un rôle immense dans nos vies.
« Bien que les machines et les robots doivent interagir avec les humains, les doter de compétences sociales a été largement négligé. Cela tient principalement au fait que des tâches comme la navigation, l'exécution de commandes et même le jeu sont bien définies, alors que le raisonnement social reste largement un problème théorique. Nous montrons comment les interactions sociales peuvent être intégrées efficacement dans les MDP (processus de décision markoviens) en raisonnant récursivement sur les objectifs des autres agents », indique l'étude.
Cette recherche pourrait améliorer l'interaction homme-robot, par exemple dans les maisons de services, et même aider les psychologues à mieux mesurer les interactions sociales entre humains. Pour étudier ces interactions, les chercheurs ont créé un environnement 2D simulé qui permettait à des robots virtuels de poursuivre à la fois des objectifs sociaux et physiques.
« Nous avons découvert un nouveau cadre mathématique pour modéliser l'interaction sociale entre deux agents. Si vous êtes un robot et voulez atteindre le point X, et que je suis un autre robot et que je vois que vous essayez d'aller au point X, je peux coopérer en vous aidant à atteindre X plus rapidement. Cela peut signifier rapprocher X de vous, trouver un autre X meilleur, ou accomplir toute action que vous deviez entreprendre en X. Notre formulation permet au plan de découvrir le « comment », tandis que nous définissons le « quoi » en termes de signification mathématique des interactions sociales »
Par exemple, un objectif physique peut consister à atteindre un arbre en un point précis de la grille, tandis qu'un objectif social consiste à deviner ce qu'un autre robot essaie de faire, puis à agir en conséquence, par exemple en aidant cet autre robot à arroser l'arbre. Le robot est récompensé pour les actions qui le rapprochent de ses objectifs, avec une récompense correspondante pour l'aide et une récompense inverse pour l'obstruction.
L'équipe a créé trois types de robots : le premier ne poursuit que des objectifs physiques, le deuxième poursuit des objectifs physiques et sociaux, mais suppose que tous les autres robots ne poursuivent que des objectifs physiques, et le troisième suppose que tous les autres ont à la fois des objectifs sociaux et physiques, ce qui lui permet d'entreprendre des actions plus complexes, comme s'associer avec d'autres pour atteindre un but.
Il semble que même les très jeunes enfants comprennent des interactions sociales comme l'aide et l'obstruction, mais nous n'avons pas encore de machines capables d'effectuer ce raisonnement avec une flexibilité comparable à celle des humains. L'équipe a créé 98 scénarios différents avec les trois types de robots. 12 personnes ont visionné environ 200 vidéos d'interactions entre robots, puis ont dû évaluer les objectifs physiques et sociaux.
Les chercheurs ont indiqué : « Dans la plupart des cas, leur modèle correspondait à ce que les gens pensaient des interactions sociales survenant dans chaque image ». Les chercheurs espèrent que les résultats serviront de « référence » permettant à d'autres de travailler sur des interactions sociales similaires. L'objectif final est non seulement d'apprendre aux robots à mieux interagir en société, mais aussi d'« approfondir l'aspect humain de cela ».
« Pouvons-nous faire un test objectif de votre capacité à reconnaître les interactions sociales ? Peut-être existe-t-il un moyen d'apprendre aux gens à reconnaître ces interactions sociales et à améliorer leurs capacités »
Pour l'instant, le modèle est une simulation bidimensionnelle relativement simple. L'équipe de recherche travaille à passer à une version 3D, en ajoutant un planificateur de robots basé sur un réseau de neurones afin d'accélérer l'apprentissage de ces actions par les robots.
Disposer d'un modèle mathématique précis pour traiter les questions d'interactions sociales a une valeur pratique — on peut imaginer des chatbots et des robots pilotés par des MDP sociaux — mais aussi une valeur théorique, si l'on utilise les outils MDP qui ont si bien structuré la recherche en navigation pour éclairer quelles interactions sociales sont réellement essentielles au bien-être humain et à la civilisation humaine.
