Fiziksel insan-robot etkileşiminde çatışmaların çözümü için bir makine öğrenmesi yaklaşımı

Yapay zeka teknikleri ileride daha sofistike hale geldikçe, insanlarla işbirliği yapan robotların kendi niyetlerini geliştireceğini ve bu da insan-robot etkileşiminde potansiyel çatışmalara yol açacağını öngörüyoruz. Bu olası gelişme, fiziksel insan-robot etkileşimi alanında ileri düzey çatışma çözümleme stratejileri gerektirir ki bu da araştırmamızın temel odak noktasıdır. Bu tezde önerdiğimiz yaklaşımda, bir makine öğrenimi (MÖ) sınıflandırıcısı kullanarak işbirlikli manipülasyon görevleri sırasında çatışmaları tespit ediyor ve bir admitans kontrolcüsü kullanarak robotun davranışını buna göre uyarlıyoruz. İki grup etkileşime odaklanıyoruz, bunlar "uyumlu" ve "çatışmalı" olarak sınıflandırılmıştır. Bu sınıflar, sırasıyla insan ve robotun aynı hedef için birlikte bir nesneyi taşırken uyum içinde çalıştığı ve insanın manipülasyon planını, örneğin nesnenin hareket yönünü veya park yerini değiştirdiği zaman çatışma yaşandığı durumlara karşılık gelmektedir. Önerilen MÖ yaklaşımının etkinliğini araştırmak için 20 deneğin katıldığı işbirlikli manipülasyon deneyleri tasarlandı. MÖ yaklaşımını kullanan robot ile elde edilen görev performansı, üç alternatif yaklaşımla elde edilen performanslarla karşılaştırıldı: a) Kural Tabanlı (KT) bir yaklaşım kullanan robot: bu yaklaşımda, etkileşimleri sınıflandırmak için haptik verilerin istatistiksel dağılımlarından yola çıkarak kurallar türetilmiştir; b) uyumlu etkileşimler sırasında proaktif olan ancak diğer durumlarda çatışmaları çözümleyemeyen dirençli bir robot; ve c) her zaman insanın komutlarını takip eden pasif bir robot. Bu son yaklaşım, fiziksel insan-robot etkileşimi literatüründe "el rehberliği" olarak bilinir ve endüstriyel ortamlarda işbirlikçi bir robota bir yörünge "öğretmek" için sıklıkla kullanılır. Sonuçlar, önerilen MÖ yaklaşımının görev performansı açısından diğerlerinden üstün olduğunu göstermektedir. Ancak, deneylerden sonra uygulanan detaylı bir anket, robotun pasif olduğu yaklaşımın, süpriz şekilde, denekler tarafından en çok tercih edildiğini göstermiştir. Bu seçim, görev performansı açısından verimli bir yaklaşım olmasa bile, insanlara daha fazla kontrol sağladığı ve daha az talepkar olduğu için tercih edilmiştir. Sonuç olarak bu tez, gelecekte etkili fiziksel insan-robot etkileşimi sistemleri geliştirmek için ortak görev performansı ile insanın subjektif etkileşim tercihleri arasında dengeli bir yaklaşım gerektiğini göstermektedir.