У людей есть способность понимать цели, желания и убеждения других, важнейший навык, который позволяет нам предвидеть действия людей. Достать хлеб из тостера? Вам понадобится тарелка. Подметать листья? Я возьму зеленый мусорный бак.

Этот навык, часто называемый «теорией разума», легко дается нам, людям, но по-прежнему сложен для роботов. Но если роботы хотят стать настоящими помощниками в производстве и в повседневной жизни, они должны научиться тем же способностям.

В новой статье , получившей награду за лучшую статью на Международной конференции ACM/IEEE по взаимодействию человека и робота (HRI) , исследователи компьютерных наук Университета Южной Калифорнии в Витерби стремятся научить роботов предсказывать предпочтения человека в сборочных задачах, чтобы однажды они могли помочь во всем, от создания спутника до сервировки стола.

«Работая с людьми, робот должен постоянно угадывать, что человек будет делать дальше», — сказал ведущий автор Херамб Немлекар, доктор компьютерных наук Университета Южной Калифорнии. студент, работающий под руководством Стефаноса Николаидиса, доцента компьютерных наук. «Например, если робот считает, что человеку понадобится отвертка для сборки следующей детали, он может получить отвертку заранее, чтобы человеку не пришлось ждать. Таким образом, робот может помочь людям закончить сборку намного быстрее.»

Но, как может подтвердить любой, кто собирал мебель совместно с партнером, трудно предсказать, что человек будет делать дальше: разные люди предпочитают создавать один и тот же продукт по-разному. В то время как некоторые люди хотят начать с самых сложных частей, чтобы закончить их, другие могут захотеть начать с самых простых частей, чтобы сэкономить энергию.

Делать прогнозы

По словам Немлекара, большинство современных методов требуют, чтобы люди показали роботу, как они хотели бы выполнять сборку, но это требует времени и усилий и может свести на нет цель. «Представьте, что вам нужно собрать целый самолет только для того, чтобы научить робота вашим предпочтениям», — сказал он.

Однако в этом новом исследовании исследователи обнаружили сходство в том, как человек собирает разные продукты. Например, если вы начинаете с самой сложной части сборки дивана Ikea, вы, вероятно, проявите тот же такт при сборке детской кроватки.

Так, вместо того, чтобы «показывать» роботу свои предпочтения в сложной задаче , они создали небольшую задачу по сборке (называемую «канонической» задачей), которую люди могут легко и быстро выполнить. В данном случае это сборка частей простой модели самолета, таких как крылья, хвост и пропеллер.

Робот «наблюдал», как человек выполняет задачу, используя камеру, расположенную прямо над зоной сборки, глядя вниз. Для обнаружения частей, управляемых человеком, система использовала AprilTags, похожие на QR-коды, прикрепленные к частям.

Затем система использовала машинное обучение, чтобы узнать предпочтения человека на основе его последовательности действий в каноническом задании.

«Основываясь на том, как человек выполняет небольшую сборку, робот предсказывает, что этот человек будет делать при более крупной сборке», — сказал Немлекар. «Например, если робот увидит, что человеку нравится начинать маленькую сборку с самой простой детали, он предскажет, что он начнет с самой легкой детали и в большой сборке».

Укрепление доверия

В исследовании пользователей, проведенном исследователями, их система смогла предсказать действия, которые люди предпримут, с точностью около 82%.

«Мы надеемся, что наше исследование поможет людям показать роботам, что они предпочитают», — сказал Немлекар. «Помогая каждому человеку так, как он предпочитает, роботы могут сократить объем их работы, сэкономить время и даже завоевать доверие».

Например, представьте, что вы собираете мебель дома, но у вас нет особых рук и проблем с этой задачей. Робот, обученный предугадывать ваши предпочтения, может заранее предоставить вам необходимые инструменты и детали, облегчив процесс сборки.

Эта технология также может быть полезна в промышленных условиях, где рабочие должны собирать продукты в массовом масштабе, экономя время и снижая риск травм или несчастных случаев. Кроме того, это может помочь людям с ограниченными возможностями или ограниченной подвижностью легче собирать продукты и сохранять независимость.

Быстрое изучение предпочтений

По словам исследователей, цель состоит не в том, чтобы заменить людей в производственных цехах. Вместо этого они надеются, что это исследование приведет к значительному повышению безопасности и производительности сборщиков на гибридных фабриках человека и робота. «Роботы могут выполнять не добавляющие ценности или эргономически сложные задачи, которые в настоящее время выполняются рабочими.

Что касается следующих шагов, исследователи планируют разработать метод автоматического проектирования канонических задач для различных типов сборочных задач. Они также стремятся оценить преимущества изучения предпочтений человека с помощью коротких задач и прогнозирования их действий в сложной задаче в различных контекстах, например, при личной помощи по дому.

«Хотя мы наблюдали, как человеческие предпочтения переходят от канонических к реальным задачам в сборочном производстве, я ожидаю аналогичных результатов и в других приложениях», — сказал Николаидис. «Робот, который может быстро узнать наши предпочтения, может помочь нам приготовить еду, переставить мебель или сделать ремонт в доме, оказав значительное влияние на нашу повседневную жизнь».