En ny tilgang gør det muligt for robotter at tiltrække forbipasserende uden at forårsage dem ubehag

Forskere ved NTT Corporation i Japan har for nylig udviklet en brugercentreret tilgang til forstærkende læring, som kunne bruges til at lære sociale robotter 'manerer'. Deres metode, skitseret i et papir, der er forududgivet på arXiv, giver en robot mulighed for at hilse på eller tiltrække forbipasserendes opmærksomhed uden at give dem ubehag.

"Min idé var inspireret af barkere på en markedsplads, "Yasunori Ozaki, en af ​​de forskere, der har udført undersøgelsen, fortalte TechXplore. "De fleste barkere kalder forbipasserende, der er interesseret i restauranten, dog kalder de næppe de andre. Som et resultat af denne observation, Jeg kom med følgende hypotese:barkere bestemmer, hvad forbipasserende skal ringe til, ved at udlede deres interesse for den service, de reklamerer for, ud fra deres adfærd. Jeg ønskede at udvikle en metode, der tillader en robot at efterligne en barkers handlinger, ved at træne det til at forstå folks interesser."

Sociale robotter går gradvist ind på en række forskellige områder, herunder sundhedspleje og detailhandel. I detailhandlen, for eksempel, sociale robotter kunne hjælpe med at forklare produkter til forbipasserende og potentielle kunder.

For nylig, et stigende antal virksomheder er begyndt at teste effektiviteten af ​​robotter som kundeserviceagenter, såsom receptionister, guider eller udstillere. For at være mest effektiv i kundevendte roller, imidlertid, robotter skulle hilse forbipasserende uden at skræmme dem eller få dem til at føle sig utilpas.

Med det i tankerne, Ozaki og hans kolleger satte sig for at udvikle en metode, der gør det muligt for robotter at tilpasse deres manerer efter den situation, de er i, og den person, de interagerer med. Deres tilgang anvender brugercentreret forstærkningslæring til at analysere data indsamlet af en robots sensorer, så den kan tilpasse sine handlinger derefter.

"Min metode tillader en robot at lære handlinger ved at observere reaktionerne fra forbipasserende, "Forklarede Ozaki." Når en robot handler mod en forbipasserende, den forbipasserende reagerer typisk på en sådan handling. For eksempel, hvis en robot kalder en forbipasserende, opkaldet kan forårsage, at den forbipasserende ubehag, eller kan resultere i, at den forbipasserende bliver interesseret i robotten. Robotten vurderer en forbipasserendes følelser ud fra hans/hendes reaktioner, ved at analysere optagelser indsamlet af en sensor placeret på dens bagside."

Den tilgang, som Ozaki og hans kolleger har udtænkt, er baseret på en belønnings- og strafordning. Hvis robotten udleder ubehag hos nogen forbipasserende, som den kommunikerer med, det får en straf. På den anden side, hvis en forbipasserende stopper, interagerer med robotten og bliver interesseret i den, robotten modtager en belønning. Over tid, robotten lærer at tilpasse sine interaktionsstrategier for at få folks opmærksomhed uden at få potentielle kunder til at føle sig utilpas.

"Min metode gør det muligt for en robot at finde kombinationer af handlinger, der ikke forårsager ubehag for forbipasserende, " sagde Ozaki. "Mange forskere har undersøgt brugeroplevelse (UX), herunder ubehag, i menneske-robot-interaktioner. Imidlertid, de trænede ikke robotter baseret på denne UX. Jeg mener, at vi skal lære robotter nogle manerer relateret til UX og den menneskelige verden. Dette ville derefter give robotten mulighed for at skræddersy sine handlinger til forskellige situationer og brugere, baseret på de manerer, den har tilegnet sig."

For at evaluere deres metode, forskerne udførte et eksperiment ved en kontorindgang, hvor en lille social robot kaldte på forbipasserende og forsøgte at tiltrække deres opmærksomhed. Deres fund var meget lovende, som i de fleste tilfælde, robotten var i stand til at tiltrække folks opmærksomhed uden at forårsage dem ubehag.

Den tilgang, der er udtænkt af Ozaki og hans kolleger, er designet til at forbedre robotinteraktioner med individuelle forbipasserende, i stedet for med en større gruppe mennesker. Yderligere undersøgelser kunne udvide modellen for også at forbedre robottens interaktion med grupper af mennesker. Ud over, forskerne planlægger at evaluere deres metode i scenarier, hvor den sociale robot dækker andre roller, for eksempel en sælgers.

© 2019 Science X Network