Apprentissage de la propriété via l'interaction homme-robot. En haut :le robot est verbalement arrêté au milieu de l'action par Xuan pour se débarrasser de l'objet 2. En bas :après avoir appris les relations de propriété et les autorisations d'action en interagissant avec Xuan, le robot refuse la demande de Jake de jeter l'objet 2. Crédit :Tan, Brawer &Scassellati.
Une équipe de chercheurs de l'Université de Yale a récemment développé un système robotique capable de représenter, apprendre et inférer des relations et des normes de propriété. Leur étude, prépublié sur arXiv, aborde certains des défis complexes associés à l'enseignement des normes sociales aux robots et à la manière de s'y conformer.
Alors que les robots deviennent de plus en plus répandus, il est important pour eux de pouvoir communiquer avec les humains de manière efficace et appropriée. Un aspect clé des interactions humaines est de comprendre et de se comporter conformément aux normes sociales et morales, car cela favorise une coexistence positive avec les autres.
Les normes de propriété sont un ensemble de normes sociales qui aident à naviguer dans les environnements partagés de manière plus prévenante envers les autres. Enseigner ces normes aux robots pourrait améliorer leurs interactions avec les humains, leur permettant de faire la distinction entre les outils non possédés et les outils possédés qui sont temporairement partagés avec eux.
"Mon laboratoire de recherche se concentre sur la construction de robots avec lesquels les gens peuvent facilement interagir, " Brian Scassellati, l'un des chercheurs qui a mené l'étude, a déclaré TechXplore. "Une partie de ce travail consiste à examiner comment nous pouvons enseigner aux machines les concepts sociaux courants, des choses qui nous sont essentielles en tant qu'humains mais qui ne sont pas toujours les sujets qui attirent le plus l'attention. Compréhension des propriétés des objets, autorisations, et les douanes est l'un de ces sujets qui n'a pas vraiment reçu beaucoup d'attention mais qui sera essentiel au fonctionnement des machines dans nos maisons, écoles, et bureaux."
Dans l'approche imaginée par Scassellati, Xuan Tan et Jake Brawer, la propriété est représentée sous la forme d'un graphe de relations probabilistes entre les objets et leurs propriétaires. Ceci est combiné avec une base de données de normes basées sur des prédicats, qui contraignent les actions que le robot est autorisé à effectuer à l'aide d'objets possédés.
« L'un des défis de ce travail est que certaines des façons dont nous apprenons la propriété se font par le biais de règles explicites (par exemple, 'ne prends pas mes outils') et les autres s'apprennent par l'expérience, " Scassellati a déclaré. "Combiner ces deux types d'apprentissage peut être facile pour les gens, mais c'est beaucoup plus difficile pour les robots."
Le système conçu par les chercheurs combine un nouvel algorithme d'apprentissage incrémentiel de normes capable à la fois d'un apprentissage ponctuel et d'une induction à partir d'exemples, avec l'inférence bayésienne des relations de propriété en réponse aux violations apparentes des règles et la prédiction basée sur la perception des propriétaires probables d'un objet. Ensemble, ces composants permettent au système d'apprendre les normes et les relations de propriété applicables dans une variété de situations.
"La clé du travail de Xuan et Jake était de combiner deux types différents de représentation de l'apprentissage automatique, celui qui apprend de ces explicites, règles symboliques et une qui apprend de petits morceaux d'expérience, " Scassellati a expliqué. " Faire fonctionner ces deux systèmes ensemble est à la fois ce qui rend cela difficile, et à la fin, ce qui a fait ce succès."
Les chercheurs ont évalué les performances de leur système robotique dans une série d'expériences simulées et réelles. Ils ont découvert qu'il pouvait efficacement effectuer des tâches de manipulation d'objets qui nécessitaient le respect de diverses normes de propriété, avec une compétence et une flexibilité remarquables.
L'étude menée par Scassellati et ses collègues offre un exemple notable de la façon dont les robots peuvent être formés pour déduire et respecter les normes sociales. Des recherches supplémentaires pourraient appliquer des concepts similaires à d'autres capacités liées aux normes et traiter des situations complexes dans lesquelles différentes normes ou objectifs sont en conflit les uns avec les autres.
"Nous continuons à chercher comment construire des robots qui interagissent plus naturellement avec les gens, et cette étude se concentre uniquement sur un aspect de ce travail, " a déclaré Scassellati.
© 2018 Réseau Science X
