robot

Kredi: CC0 Kamu Malı

Robotlar bir üniversite kampüsünde yiyecek dağıtabilir ve golf sahasında bir delik açabilir, ancak en karmaşık robot bile günlük insan yaşamı için kritik olan temel sosyal etkileşimleri gerçekleştiremez.

MIT araştırmacıları artık belirli sosyal etkileşimleri robotik için bir çerçeveye dahil ederek, makinelerin birbirlerine yardım etmenin veya engellemenin ne anlama geldiğini anlamalarını ve bu sosyal davranışları kendi başlarına gerçekleştirmeyi öğrenmelerini sağladı. Simüle edilmiş bir ortamda, bir robot yoldaşını izler, hangi görevi başarmak istediğini tahmin eder ve ardından kendi hedeflerine göre bu diğer robota yardım eder veya onu engeller.

Araştırmacılar ayrıca, modellerinin gerçekçi ve öngörülebilir sosyal etkileşimler yarattığını gösterdi. İnsan izleyiciler, birbirleriyle etkileşime giren bu simüle edilmiş robotların videolarını insanlara gösterdiklerinde, ne tür bir sosyal davranışın meydana geldiği konusunda modelle çoğunlukla hemfikirdi.

Robotların sosyal beceriler sergilemesini sağlamak, daha sorunsuz ve daha olumlu insan-robot etkileşimlerine yol açabilir. Örneğin, destekli bir yaşam tesisindeki bir robot, yaşlı bireyler için daha özenli bir ortam oluşturmaya yardımcı olmak için bu yetenekleri kullanabilir. Yeni model, bilim insanlarının sosyal etkileşimleri niceliksel olarak ölçmesine de olanak tanıyabilir ve bu da psikologların otizmi incelemesine veya antidepresanların etkilerini analiz etmesine yardımcı olabilir.

“Robotlar çok yakında dünyamızda yaşayacaklar ve gerçekten bizimle insani terimlerle nasıl iletişim kuracaklarını öğrenmeleri gerekiyor. Ne zaman yardım etme zamanının geldiğini ve ne zaman onlara yardım edebileceklerini görme zamanının geldiğini anlamaları gerekiyor. bir şeyin olmasını önlemek. Bu çok erken bir çalışma ve henüz yüzeye çıkamıyoruz, ancak bunun, insanlar ve makinelerin sosyal olarak etkileşime girmesinin ne anlama geldiğini anlamak için ilk çok ciddi girişim olduğunu hissediyorum, “diyor baş araştırma bilimcisi Boris Katz ve Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı’nda (CSAIL) InfoLab Grubu’nun başkanı ve Beyin, Zihin ve Makineler Merkezi’nin (CBMM) bir üyesidir.

Makalede Katz’a katılmak, CSAIL’de araştırma görevlisi olan ortak yazar Ravi Tejwani; yardımcı yazar Yen-Ling Kuo, bir CSAIL Ph.D. Öğrenci; Tianmin Shu, Beyin ve Bilişsel Bilimler Bölümü’nde doktora sonrası; ve kıdemli yazar Andrei Barbu, CSAIL ve CBMM’de bir araştırma bilimcisi. Araştırma, Kasım ayında Robot Öğrenme Konferansı’nda sunulacak.

Sosyal bir simülasyon

Sosyal etkileşimleri incelemek için araştırmacılar, robotların iki boyutlu bir ızgara etrafında hareket ederken fiziksel ve sosyal hedefleri takip ettiği simüle edilmiş bir ortam yarattı.

Fiziksel bir hedef çevre ile ilgilidir. Örneğin, bir robotun fiziksel amacı, ızgara üzerinde belirli bir noktada bir ağaca gitmek olabilir. Sosyal bir hedef, başka bir robotun ne yapmaya çalıştığını tahmin etmeyi ve ardından bu tahmine göre hareket etmeyi içerir, örneğin başka bir robotun ağacı sulamasına yardım etmek gibi.

Araştırmacılar, bir robotun fiziksel amaçlarının ne olduğunu, sosyal amaçlarının neler olduğunu ve birinin diğerine ne kadar vurgu yapması gerektiğini belirlemek için modellerini kullanıyorlar. Robot, hedeflerine ulaşmaya yaklaşmasını sağlayan eylemler için ödüllendirilir. Bir robot arkadaşına yardım etmeye çalışıyorsa, ödülünü diğer robotunkiyle eşleşecek şekilde ayarlar; engellemeye çalışıyorsa, ödülünü tam tersi olacak şekilde ayarlar. Robotun hangi eylemleri yapması gerektiğine karar veren bir algoritma olan planlayıcı, robotu fiziksel ve sosyal hedeflerin bir karışımını gerçekleştirmesi için yönlendirmek için bu sürekli güncellenen ödülü kullanır.

“İki ajan arasındaki sosyal etkileşimi nasıl modelleyeceğinize dair yeni bir matematiksel çerçeve açtık. Eğer bir robotsanız ve X konumuna gitmek istiyorsanız ve ben başka bir robotum ve görüyorum ki X konumuna gitmeye çalışıyorsunuz. , X konumuna daha hızlı ulaşmanıza yardımcı olarak işbirliği yapabilirim.Bu, X’i size daha da yakınlaştırmak, daha iyi bir X bulmak veya X’te yapmanız gereken herhangi bir eylemi yapmak anlamına gelebilir. ‘ne’yi sosyal etkileşimlerin matematiksel olarak ne anlama geldiğine göre belirliyoruz” diyor Tejwani.

Bir robotun fiziksel ve sosyal hedeflerini harmanlamak gerçekçi etkileşimler yaratmak için önemlidir, çünkü birbirine yardım eden insanların ne kadar ileri gidecekleri konusunda limitleri vardır. Örneğin, mantıklı bir insan muhtemelen cüzdanını bir yabancıya vermez, diyor Barbu.

Araştırmacılar bu matematiksel çerçeveyi üç tür robotu tanımlamak için kullandılar. Seviye 0 robotunun yalnızca fiziksel hedefleri vardır ve sosyal olarak akıl yürütemez. Seviye 1 robotun fiziksel ve sosyal hedefleri vardır, ancak diğer tüm robotların yalnızca fiziksel hedefleri olduğunu varsayar. Seviye 1 robotlar, yardım etme ve engelleme gibi diğer robotların fiziksel hedeflerine dayalı olarak eylemler gerçekleştirebilir. 2. seviye bir robot, diğer robotların sosyal ve fiziksel hedefleri olduğunu varsayar; bu robotlar, birlikte yardımcı olmak için katılmak gibi daha karmaşık eylemler gerçekleştirebilir.

Modelin Değerlendirilmesi

Modellerinin sosyal etkileşimlerle ilgili insan perspektifleriyle nasıl karşılaştırıldığını görmek için 0, 1 ve 2 seviyelerindeki robotlarla 98 farklı senaryo oluşturdular. On iki insan, robotların etkileşime girdiği 196 video klibi izledi ve ardından fiziksel ve sosyal durumu tahmin etmeleri istendi. bu robotların hedefleri.

Çoğu durumda, onların modeli, insanların her çerçevede meydana gelen sosyal etkileşimler hakkında düşündükleriyle aynı fikirdeydi.

“Hem robotlar için hesaplama modelleri oluşturmak hem de bunun insani yönlerini daha derine inmek için bu uzun vadeli ilgimiz var. İnsanların sosyal etkileşimleri anlamak için bu videolardan hangi özellikleri kullandığını öğrenmek istiyoruz. Sosyal etkileşimleri tanıma beceriniz için nesnel bir test Belki insanlara bu sosyal etkileşimleri tanımayı ve yeteneklerini geliştirmeyi öğretmenin bir yolu vardır. Bundan çok uzağız, ancak sadece sosyal etkileşimleri etkili bir şekilde ölçebilmek bile büyük bir başarıdır. ileri adım atın” diyor Barbu.

Daha fazla gelişmişliğe doğru

Araştırmacılar, ev eşyalarının manipülasyonu gibi daha birçok türde etkileşime izin veren bir ortamda 3D ajanlarla bir sistem geliştirmek üzerinde çalışıyorlar. Ayrıca, eylemlerin başarısız olabileceği ortamları içerecek şekilde modellerini değiştirmeyi planlıyorlar.

Araştırmacılar ayrıca, deneyimden öğrenen ve daha hızlı performans gösteren sinir ağı tabanlı bir robot planlayıcıyı modele dahil etmek istiyorlar. Son olarak, iki robotun bir sosyal etkileşime girip girmediğini belirlemek için insanların kullandığı özellikler hakkında veri toplamak için bir deney yapmayı umuyorlar.

Barbu, “Umarım, tüm araştırmacıların bu sosyal etkileşimler üzerinde çalışmasına ve nesne ve eylem tanıma gibi diğer alanlarda gördüğümüz bilim ve mühendislik ilerlemelerine ilham vermesine olanak tanıyan bir kritere sahip olacağız” diyor.


Sosyal robotlarla etkili ders vermek için bakışları kullanma


Daha fazla bilgi:
Ravi Tejwani ve diğerleri, Özyinelemeli MDP’ler olarak Sosyal Etkileşimler (2021). openreview.net/pdf?id=3HZLte8gMYS adresinde PDF olarak mevcuttur.

Massachusetts Teknoloji Enstitüsü tarafından sağlanmıştır

Alıntı: Yeni bir makine öğrenimi sistemi, robotların belirli sosyal etkileşimleri (2021, 4 Kasım) anlamasına ve gerçekleştirmesine yardımcı olur. html

Bu belge telif haklarına tabidir. Özel çalışma veya araştırma amaçlı herhangi bir adil işlem dışında, yazılı izin alınmadan hiçbir bölüm çoğaltılamaz. İçerik yalnızca bilgi amaçlı sağlanmıştır.





#Yeni #bir #makine #öğrenimi #sistemi #robotların #belirli #sosyal #etkileşimleri #anlamasına #gerçekleştirmesine #yardımcı #oluyor