Les scientifiques qui étudient l'interaction homme-robot se concentrent souvent sur la compréhension des intentions humaines du point de vue d'un robot, afin que le robot apprenne à coopérer plus efficacement avec les gens. Mais l'interaction homme-robot est une voie à double sens, et l'homme doit également apprendre comment le robot se comporte.

Grâce à des décennies de recherche en sciences cognitives et en psychologie de l'éducation, les scientifiques ont une assez bonne idée de la façon dont les humains apprennent de nouveaux concepts. Ainsi, des chercheurs du MIT et de l'Université de Harvard ont collaboré pour appliquer des théories bien établies de l'apprentissage des concepts humains aux défis de l'interaction homme-robot.

Ils ont examiné des études antérieures axées sur des humains essayant d'enseigner de nouveaux comportements à des robots. Les chercheurs ont identifié des opportunités où ces études auraient pu incorporer des éléments de deux théories complémentaires des sciences cognitives dans leurs méthodologies. Ils ont utilisé des exemples tirés de ces travaux pour montrer comment les théories peuvent aider les humains à former des modèles conceptuels de robots de manière plus rapide, précise et flexible, ce qui pourrait améliorer leur compréhension du comportement d'un robot.

Les humains qui construisent des modèles mentaux plus précis d'un robot sont souvent de meilleurs collaborateurs, ce qui est particulièrement important lorsque les humains et les robots travaillent ensemble dans des situations à enjeux élevés comme la fabrication et les soins de santé, explique Serena Booth, étudiante diplômée du groupe de robotique interactive du Laboratoire d'informatique et d'intelligence artificielle (CSAIL), et auteur principal de l'article.

"Que nous essayions ou non d'aider les gens à construire des modèles conceptuels de robots, ils les construiront de toute façon. Et ces modèles conceptuels pourraient être erronés. Cela peut mettre les gens en grave danger. Il est important que nous utilisions tout ce que nous pouvons pour donner à cette personne le meilleur modèle mental qu'ils puissent construire », déclare Booth.

Booth et sa conseillère, Julie Shah, professeure d'aéronautique et d'astronautique au MIT et directrice de l'Interactive Robotics Group, ont co-écrit cet article en collaboration avec des chercheurs de Harvard. Elena Glassman '08, MNG '11, Ph.D. '16, professeur adjoint d'informatique à la John A. Paulson School of Engineering and Applied Sciences de Harvard, spécialisé dans les théories de l'apprentissage et de l'interaction homme-ordinateur, a été le principal conseiller du projet. Les co-auteurs de Harvard incluent également l'étudiante diplômée Sanjana Sharma et l'assistante de recherche Sarah Chung. La recherche sera présentée à la conférence IEEE sur l'interaction homme-robot.

Une approche théorique

Les chercheurs ont analysé 35 articles de recherche sur l'enseignement homme-robot en utilisant deux théories clés. La "théorie du transfert analogique" suggère que les humains apprennent par analogie. Lorsqu'un humain interagit avec un nouveau domaine ou concept, il recherche implicitement quelque chose de familier qu'il peut utiliser pour comprendre la nouvelle entité.

La «théorie de la variation de l'apprentissage» soutient que la variation stratégique peut révéler des concepts qu'une personne pourrait avoir du mal à discerner autrement. Il suggère que les humains passent par un processus en quatre étapes lorsqu'ils interagissent avec un nouveau concept :répétition, contraste, généralisation et variation.

Bien que de nombreux articles de recherche aient incorporé des éléments partiels d'une théorie, cela était probablement dû au hasard, dit Booth. Si les chercheurs avaient consulté ces théories au début de leurs travaux, ils auraient peut-être été en mesure de concevoir des expériences plus efficaces.

Par exemple, lorsqu'ils apprennent aux humains à interagir avec un robot, les chercheurs montrent souvent aux gens de nombreux exemples du robot effectuant la même tâche. Mais pour que les gens construisent un modèle mental précis de ce robot, la théorie des variations suggère qu'ils doivent voir un éventail d'exemples du robot effectuant la tâche dans différents environnements, et ils doivent également le voir faire des erreurs.

"C'est très rare dans la littérature sur l'interaction homme-robot parce que c'est contre-intuitif, mais les gens ont aussi besoin de voir des exemples négatifs pour comprendre ce que le robot n'est pas", explique Booth.

Ces théories des sciences cognitives pourraient également améliorer la conception physique des robots. Si un bras robotique ressemble à un bras humain mais se déplace d'une manière différente du mouvement humain, les gens auront du mal à construire des modèles mentaux précis du robot, explique Booth. Comme le suggère la théorie du transfert analogique, parce que les gens associent ce qu'ils savent (un bras humain) au bras robotique, si le mouvement ne correspond pas, les gens peuvent être confus et avoir des difficultés à apprendre à interagir avec le robot.

Améliorer les explications

Booth et ses collaborateurs ont également étudié comment les théories de l'apprentissage des concepts humains pourraient améliorer les explications qui visent à aider les gens à instaurer la confiance dans de nouveaux robots inconnus.

"En matière d'explicabilité, nous avons un très gros problème de biais de confirmation. Il n'y a généralement pas de normes concernant ce qu'est une explication et comment une personne devrait l'utiliser. En tant que chercheurs, nous concevons souvent une méthode d'explication, cela nous semble bien, et nous expédiez-le », dit-elle.

Au lieu de cela, ils suggèrent que les chercheurs utilisent les théories de l'apprentissage des concepts humains pour réfléchir à la manière dont les gens utiliseront les explications, qui sont souvent générées par des robots pour communiquer clairement les politiques qu'ils utilisent pour prendre des décisions. En fournissant un programme qui aide l'utilisateur à comprendre ce que signifie une méthode d'explication et quand l'utiliser, mais aussi là où elle ne s'applique pas, il développera une meilleure compréhension du comportement d'un robot, explique Booth.

Sur la base de leur analyse, ils formulent un certain nombre de recommandations sur la manière dont la recherche sur l'enseignement homme-robot peut être améliorée. D'une part, ils suggèrent que les chercheurs intègrent la théorie du transfert analogique en guidant les gens à faire des comparaisons appropriées lorsqu'ils apprennent à travailler avec un nouveau robot. Fournir des conseils peut garantir que les gens utilisent des analogies appropriées afin qu'ils ne soient pas surpris ou confus par les actions du robot, explique Booth.

Ils suggèrent également que l'inclusion d'exemples positifs et négatifs de comportement de robot et l'exposition des utilisateurs à la façon dont les variations stratégiques des paramètres dans la "politique" d'un robot affectent son comportement, éventuellement dans des environnements stratégiquement variés, peuvent aider les humains à apprendre mieux et plus rapidement. La politique du robot est une fonction mathématique qui attribue des probabilités à chaque action que le robot peut entreprendre.

"Nous avons mené des études d'utilisateurs pendant des années, mais nous avons tiré de la hanche en termes de notre propre intuition en ce qui concerne ce qui serait ou ne serait pas utile de montrer à l'humain. La prochaine étape serait d'être plus rigoureux de fonder ce travail sur les théories de la cognition humaine », déclare Glassman.

Maintenant que cette revue de la littérature initiale utilisant les théories des sciences cognitives est terminée, Booth prévoit de tester leurs recommandations en reconstruisant certaines des expériences qu'elle a étudiées et en voyant si les théories améliorent réellement l'apprentissage humain.