به نقل از تک اکسپلور، محققان کالج فرانکلین و مارشال آمریکا به‌تازگی در تلاش برای توسعه ابزارهای محاسباتی هستند که می‌تواند عملکرد ربات‌های کمک‌کننده اجتماعی را با امکان پردازش نشانه‌های اجتماعی ارائه‌شده توسط انسان‌ها و پاسخ‌دهی متناسب به آن‌ها بهبود بخشد. آنان تکنیک جدیدی را معرفی کردند که به ربات‌ها اجازه می‌دهد به‌طور مستقل تشخیص دهند چه زمانی مناسب است که وارد عمل شوند و به کاربران کمک کنند.

جیسون آر. ویلسون، محقق این تحقیق گفت: «من علاقه‌مند به طراحی ربات‌هایی هستم که به افراد در کارهای روزمره مانند پختن شام، یادگیری ریاضی یا سرهم کردن مبلمان کمک می‌کنند. البته به دنبال جایگزینی افراد با ربات‌ها نیستم و می‌خواهم ربات‌ها بتوانند کمک‌های انسانی را تکمیل کنند به خصوص در مواردی که افراد کافی برای کمک نداریم.»

ویلسون معتقد است که وقتی یک ربات به انسان کمک می‌کند تا یک کار مشخص را انجام دهد، باید این کار را به‌روشی «محترمانه» انجام دهد. به عبارت دیگر وی فکر می‌کند که ربات‌ها در حالت ایده‌آل باید نسبت به انسانیت کاربران خود حساس باشند و به کرامت و استقلال آنان احترام بگذارند.

روش‌های مختلفی وجود دارد که متخصصان رباتیک می‌توانند کرامت و استقلال کاربران را در طراحی‌های خود در نظر بگیرند. ویلسون و شاگردان وی فیو توتا آنگ و ایزابل بوچر در کار اخیر خود به‌طور خاص بر حفظ استقلال کاربر تمرکز کردند.

ویلسون توضیح داد: یکی از روش‌ها برای حمایت از خودمختاری این است که اطمینان حاصل شود که ربات تعادلی بین کمک زیاد و کم پیدا می‌کند. در تحقیق قبلی الگوریتم‌هایی را برای تنظیم میزان کمک ربات بر اساس میزان کمک مورد نیاز کاربر بررسی کردیم و تحقیق اخیر ما بر تخمین میزان کمک مورد نیاز کاربر متمرکز شده است.

هنگامی‌که انسان‌ها برای انجام یک کار معین به کمک نیاز دارند می‌توانند به‌طور شفاف درخواست کمک کنند یا به روش‌های ضمنی بیان کنند که در حال تلاش هستند. به‌عنوان‌مثال، آنان می‌توانند نظراتی مانند «هوم، مطمئن نیستم» را بیان کنند یا از طریق حالات صورت یا زبان بدن خود ابراز ناراحتی کنند. راهبردهای ضمنی دیگری که توسط انسان‌ها برای برقراری ارتباط استفاده می‌شود که بیان می‌کند نیاز به کمک دارند، نگاه است.

ویلسون گفت: «به‌عنوان مثال، یک فرد ممکن است به امر مهمی نگاه سپس فردی را که می‌تواند به او کمک کند بنگرد و دوباره کاری که در دست انجام دارد را مشاهده کند. این الگوی نگاه، که نگاه تاییدی نامیده می‌شود، برای درخواست از طرف مقابل برای آنچه که به آن نگاه می‌کند استفاده می‌شود، شاید به این دلیل که مطمئن نیست که درست است یا خیر.

هدف اصلی تحقیق اخیر انجام شده توسط ویلسون، آنگ و بوچر این بود که به ربات‌ها اجازه دهند تا به‌طور خودکار نشانه‌های مربوط به نگاه چشم را به روش‌های مفید پردازش کنند. تکنیکی که آنان ایجاد کرده‌اند می‌تواند انواع مختلف نشانه‌ها ازجمله الگوهای گفتار و نگاه چشم کاربر را تحلیل کند.

ویلسون توضیح داد: «معماری که ما در حال توسعه آن هستیم، به‌طور خودکار گفتار کاربر را تشخیص می‌دهد و آن را تجزیه و تحلیل می‌کند تا تعیین کند آیا کاربران نیاز به کمک دارند یا خیر. در عین حال، این سیستم الگوهای نگاه کاربران را شناسایی و تعیین می‌کند که آیا آنان الگوی نگاه مرتبط با نیاز به کمک را نشان می‌دهند 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 می‌توان آن را به‌راحتی برای ربات‌هایی که در زمینه‌های مختلف در دنیای واقعی کار می‌کنند اعمال کرد و برای به عهده گرفتن وظایف مختلف آموزش داد.

در حالی که مدل ایجاد شده توسط ویلسون و همکاران وی می‌تواند تجربیات کاربر را بدون نیاز به جزئیات خاص 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 به‌زودی می‌توان از آن برای بهبود عملکرد ربات‌های اجتماعی موجود و پیشرفته جدید استفاده کرد.

ویلسون افزود: «ما اکنون به بررسی این موضوع ادامه می‌دهیم که چه نشانه‌های اجتماعی به بهترین وجه به یک ربات امکان تشخیص می‌دهد که کاربر چه زمانی به کمک نیاز دارد و چقدر کمک می‌خواهد. یکی از اشکال مهم ارتباط غیرکلامی که ما هنوز از آن استفاده نمی‌کنیم بیان عاطفی است. به‌طور خاص، ما در حال تجزیه و تحلیل حالات چهره هستیم تا ببینیم کاربر چه زمانی احساس ناامیدی، بی‌حوصلگی، مشغولیت یا ناتوانی می‌کند».

نتایج این تحقیق در مجله arXiv منتشر  و در سمپوزیوم AI-HRI ۲۰۲۱ در هفته گذشته ارائه شد.

منبع:ایسنا