Наука: как роботы могут учиться даже без людей-тренеров

У людей больше нет прерогативы контролировать обучение роботов эффективному взаимодействию. К такому любопытному выводу пришли ученые из Университета Суррея и Гамбургского университета в ходе исследования, представленного на международной конференции Института инженеров электротехники и электроники. Команда под руководством Ди Фу представила новый метод моделирования, который позволяет тестировать социальных роботов без необходимости участия людей. Авторы утверждают, что такой подход может ускорить исследования и сделать их более масштабируемыми.

В рамках исследования эксперты использовали гуманоидного робота для разработки динамической модели прогнозирования, которая поможет роботу предугадывать движения глаз человека в социальном контексте. Система была протестирована на двух свободно доступных наборах данных и доказала свою способность имитировать положение человеческого взгляда. «Наш метод, — говорит Фу, — позволяет нам проверить, обращает ли робот внимание на нужные вещи, как это делает человек, без необходимости постоянного надзора с нашей стороны. Мы были удивлены, что модель оставалась точной даже в шумных и непредсказуемых условиях , что делает ее многообещающим инструментом для реальных приложений, таких как образование, здравоохранение и обслуживание клиентов». Эксперты объясняют, что социальные роботы предназначены для взаимодействия с людьми посредством речи, жестов и мимики, что делает их полезными в различных областях применения — от образования до здравоохранения. Исследователи спроецировали карты приоритетов человеческого взгляда на экран, чтобы сравнить прогнозируемое внимание робота с данными, собранными в реальных условиях. Это позволило проводить прямую оценку моделей социального внимания в реалистичных условиях, что снизило необходимость проведения крупномасштабных исследований взаимодействия человека и робота на ранних стадиях исследований. «Использование роботизированных симуляций, — заключает Фу, — вместо ранних испытаний на людях представляет собой важный шаг вперед для социальной робототехники. Это означает, что мы можем тестировать и совершенствовать модели социального взаимодействия в больших масштабах, улучшая способность роботов понимать людей и реагировать на них. На следующих этапах мы надеемся применить этот подход к таким областям, как социальная осведомленность, исследуя его потенциал в более сложных социальных контекстах».