Дослідники намагаються надати роботам соціальні навички для покращення взаємодії
Роботи у фільмах відомі тим, що допомагають (або заважають) людям, але в реальному світі їхні соціальні навички досить обмежені. За новою доповіддю, дослідники комп'ютерних наук CSAIL з Массачусетського технологічного інституту намагаються це виправити, навчаючи роботів взаємодіяти з іншими роботами та з людьми для досягнення своїх власних цілей.
«Незабаром роботи з'являться всюди у нашому світі, і їм справді потрібно навчитися спілкуватися з нами на людських засадах. Їм потрібно зрозуміти, коли пора допомогти, а коли пора поглянути, що вони можуть зробити, щоб щось не сталося»
Команда називає це дослідження «першою дуже серйозною спробою зрозуміти, що означає соціальна взаємодія людей і машин». Проблема, яку вони намагаються вирішити на дуже ранній стадії, безсумнівно, розглядатиметься робототехніками дедалі більше, оскільки роботи починають відігравати величезну роль у нашому житті.
«Хоча машини та роботи мають взаємодіяти з людьми, наділення їх соціальними навичками значною мірою ігнорувалося. Переважно це є наслідком того факту, що такі завдання, як навігація, виконання команд і навіть гра, чітко визначені, тоді як соціальне мислення досі залишається переважно теоретичною проблемою. Ми демонструємо, як соціальні взаємодії можуть бути ефективно включені в MDP (марковські процеси прийняття рішень), рекурсивно міркуючи про цілі інших агентів», — йдеться в дослідженні.
Дослідження могло б призвести до покращення взаємодії людини та робота, наприклад, у домах із обслуговуванням, і навіть допомогти психологам краще вимірювати соціальні взаємодії між людьми. Для вивчення цих взаємодій дослідники створили симульоване 2D-середовище, яке дозволило віртуальним роботам переслідувати як соціальні, так і фізичні цілі.
«Ми відкрили нову математичну основу для моделювання соціальної взаємодії між двома агентами. Якщо ви робот і хочете потрапити в точку Х, а я — ще один робот, і я бачу, що ви намагаєтеся перейти в точку Х, я можу співпрацювати, допомагаючи вам швидше дістатися до точки Х. Це може означати переміщення Х ближче до вас, пошук іншого кращого Х або виконання будь-яких дій, які ви мали б виконати в Х. Наше формулювання дозволяє плану виявити «як», а ми визначаємо «що» з точки зору математичного значення соціальних взаємодій»
Наприклад, фізична ціль може полягати в тому, щоб перейти до дерева в певній точці сітки, тоді як соціальна ціль — вгадати, що інший робот намагається зробити, а потім діяти на основі цього, наприклад, допомогти іншому роботу полити дерево. Робот винагороджується за дії, які наближають його до цілей, із відповідною винагородою за допомогу та протилежною винагородою за перешкоду.
Команда створила три типи роботів: перший переслідує лише фізичні цілі, другий переслідує фізичні та соціальні цілі, але припускає, що всі роботи переслідують лише фізичні цілі, а третій припускає, що в усіх інших є соціальні та фізичні цілі, тож він може вживати складніших дій, наприклад, об'єднуватися з іншими для досягнення мети.
Здається, навіть маленькі немовлята розуміють такі соціальні взаємодії, як допомога та перешкода, але поки що у нас немає машин, які могли б виконувати ці міркування з чимось на кшталт гнучкості людського рівня. Команда створила 98 різних сценаріїв з усіма трьома типами роботів. 12 людей переглянули близько 200 відеокліпів взаємодії роботів, а потім мали оцінити фізичні та соціальні цілі.
Дослідники повідомили: «У більшості випадків їхня модель відповідала тому, що люди думали про соціальні взаємодії, які відбувалися в кожному кадрі». Дослідники сподіваються, що результати слугуватимуть «еталоном», який дозволить іншим працювати над подібними соціальними взаємодіями. Кінцева мета полягає не лише в тому, щоб навчити роботів, як краще взаємодіяти в суспільстві, а й «поглибитися в людський аспект цього».
«Чи можемо ми провести об'єктивний тест на вашу здатність розпізнавати соціальні взаємодії? Можливо, є спосіб навчити людей розпізнавати ці соціальні взаємодії та покращити свої здібності»
Наразі модель являє собою відносно просте двовимірне моделювання. Команда дослідників працює над переходом до 3D-версії, додаючи планувальника роботів на основі нейронної мережі, щоб збільшити швидкість, з якою роботи навчаються на цих діях.
Наявність точної математичної моделі для розв'язання питань про соціальні взаємодії має як практичну цінність — можна уявити собі чат-ботів і роботів, керованих соціальними MDP, так і теоретичну цінність, якщо використовувати інструменти MDP, які так успішно організували дослідження в галузі навігації, щоб пролити світло на те, які соціальні взаємодії справді мають надзвичайно важливе значення для благополуччя людини та людської цивілізації.
