Onderzoekers van NTT Corporation in Japan hebben onlangs een gebruikersgerichte leeraanpak ontwikkeld die kan worden gebruikt om sociale robots 'manieren' aan te leren. hun methode, geschetst in een paper dat vooraf is gepubliceerd op arXiv, stelt een robot in staat om voorbijgangers te begroeten of de aandacht te trekken zonder hen ongemak te bezorgen.

"Mijn idee werd geïnspireerd door blaffers op een marktplaats, "Yasunori Ozaki, een van de onderzoekers die het onderzoek heeft uitgevoerd, vertelde TechXplore. "De meeste blaffers bellen voorbijgangers die geïnteresseerd zijn in het restaurant, toch bellen ze de anderen nauwelijks. Als gevolg van deze observatie, Ik kwam tot de volgende hypothese:blaffers bepalen wat voorbijgangers moeten bellen door hun interesse in de dienst waarvoor ze adverteren af ​​te leiden uit hun gedrag. Ik wilde een methode ontwikkelen waarmee een robot de acties van een blaffer kan imiteren, door het te trainen om de belangen van mensen te begrijpen."

Sociale robots betreden geleidelijk verschillende terreinen, inclusief zorg en detailhandel. In de detailhandel, bijvoorbeeld, sociale robots kunnen helpen om producten uit te leggen aan voorbijgangers en potentiële klanten.

Onlangs, een groeiend aantal bedrijven is begonnen met het testen van de effectiviteit van robots als klantenservicemedewerkers, zoals receptionisten, gidsen of exposanten. Om het meest effectief te zijn in klantgerichte rollen, echter, robots zouden voorbijgangers moeten begroeten zonder ze te laten schrikken of ongemakkelijk te laten voelen.

Met dit in gedachten, Ozaki en zijn collega's wilden een methode ontwikkelen waarmee robots hun maniertjes kunnen aanpassen aan de situatie waarin ze zich bevinden en de persoon met wie ze omgaan. Hun aanpak maakt gebruik van gebruikersgericht versterkend leren om gegevens te analyseren die zijn verzameld door de sensoren van een robot, zodat het zijn acties daarop kan aanpassen.

"Mijn methode stelt een robot in staat om acties te leren door de reacties van voorbijgangers te observeren, " legde Ozaki uit. "Als een robot naar een voorbijganger handelt, de voorbijganger reageert meestal op een dergelijke actie. Bijvoorbeeld, als een robot een voorbijganger belt, de oproep kan ertoe leiden dat de voorbijganger ongemak, of kan ertoe leiden dat de voorbijganger geïnteresseerd raakt in de robot. De robot schat de gevoelens van een voorbijganger in op basis van zijn/haar reacties, door beelden te analyseren die zijn verzameld door een sensor die aan de achterkant is geplaatst."

De aanpak van Ozaki en zijn collega's is gebaseerd op een belonings- en boeteschema. Als de robot ongemak ervaart bij voorbijgangers waarmee hij communiceert, het krijgt een boete. Anderzijds, als een voorbijganger stopt, interageert met de robot en raakt erin geïnteresseerd, de robot krijgt een beloning. Overuren, de robot leert zijn interactiestrategieën aan te passen om de aandacht van mensen te trekken zonder dat potentiële klanten zich ongemakkelijk voelen.

"Mijn methode stelt een robot in staat om combinaties van acties te vinden die voorbijgangers geen ongemak bezorgen, " zei Ozaki. "Veel onderzoekers hebben de gebruikerservaring (UX) onderzocht, inclusief ongemak, in mens-robot interacties. Echter, ze hebben geen robots getraind op basis van deze UX. Ik geloof dat we robots een aantal manieren moeten leren die verband houden met UX en de menselijke wereld. Hierdoor zou de robot zijn acties kunnen afstemmen op verschillende situaties en gebruikers, op basis van de manieren die het heeft verworven."

Om hun methode te evalueren, deden de onderzoekers een experiment bij de ingang van een kantoor, waarin een kleine sociale robot voorbijgangers riep en hun aandacht probeerde te trekken. Hun bevindingen waren veelbelovend, zoals in de meeste gevallen, de robot was in staat om de aandacht van mensen te trekken zonder ze ongemak te bezorgen.

De aanpak van Ozaki en zijn collega's is ontworpen om robotinteracties met individuele voorbijgangers te verbeteren, in plaats van met een grotere groep mensen. Verdere studies zouden het model kunnen uitbreiden om ook de interacties van de robot met groepen mensen te verbeteren. In aanvulling, de onderzoekers zijn van plan hun methode te evalueren in scenario's waarin de sociale robot andere rollen vervult, bijvoorbeeld die van een verkoper.

© 2019 Wetenschap X Netwerk