Go to content
SV På svenska

Ömsesidig adaption i system för människa-robotinteraktion

Reference number
RIT15-0133
Project leader
Dimarogonas, Dimos
Start and end dates
160701-210630
Amount granted
32 000 000 SEK
Administrative organization
KTH - Royal Institute of Technology
Research area
Informations-, kommunikations- och systemteknik

Summary

Recent technological developments have enhanced robotics-related applications to a variety of strategic application areas such as industrial automation, ICT for health, and technology-enhanced learning. In all of these smart systems, human users play an essential role. Successful development of the human-robot interactive systems calls for input and integration from emerging advances in machine learning, control theory, natural language processing and human-robot interaction. However, each of these research fields has approached the problem mostly from their own independent angle. COIN project builds on fusion of these areas and specifically focuses on co-adaptation between robots and humans that takes place in short-term and long-term interactions. The goal of the project is to develop a systematic bi-directional adaptive framework that yields safe, effective, socially acceptable and efficient robot behaviors and human-robot interactions. The research topics involved in the development of the targeted methodology include methods for correct-by-design task planning, re-planning and robot control under uncertainty and model adaptation based on formal verification; techniques for learning of predictive state representation; long-term adaptive reinforcement learning approaches for affect-based co-adaptation in social human-robot interaction; and short-term adaptation of physical and expressive/linguistic human-robot interaction.

Popular science description

På senare år har flera tekniska framsteg gjorts som möjliggör helt nya robotik-relaterade applikationer inom t.ex. industri, sjukvård och skolor. För sådana applikationer har samspelet mellan robot och användare en avgörande roll. Inom tillverkningsindustrin och sjukvården måste t.ex. användare interagera både fysiskt och språkligt med robotar för att visa och förklara hur roboten ska agera, och inom skoltillämpningar måste robotar kunna ge instruktioner till användare. En central utmaning i dessa applikationer är att modellera hur användarna och systemet ska kunna adaptera till förändringar på kort och lång sikt. De flesta försök att utveckla sådana modeller har dock begränsats i att de bara tagit hänsyn till adaption i en riktning - antingen hur roboten anpassar sitt beteende efter användaren, eller hur användaren anpassar sitt beteende efter roboten. I detta projekt kommer vi för första gången att systematiskt angripa problemet med hur ömsesidig adaption mellan robot och människa ska kunna modelleras. För att kunna testa sådana modeller kommer två demonstratorer att utvecklas och utvärderas inom projektet. I det första scenariot kommer vi att arbeta med en autonom övervaknings- och transportrobot som ska kunna utföra uppgifter på ett säkert och socialt acceptabelt sätt. Roboten måste kunna tolka uppgifter som ges på naturligt språk och samtidigt interagera med människor för att utföra uppgiften. I det andra scenariot kommer vi att utveckla en robot som kan undervisa studenter. I detta fall kommer roboten att kontinuerligt behöva anpassa sina förklaringar genom att följa användarens uppmärksamhet samt återkoppling från denne, men även modellera hur användaren anpassar sig efter roboten. Samtidigt kommer vi att modellera långsiktig anpassning av robotens instruktioner för att optimera lärandeprocessen över upprepade lärotillfällen. För att kunna möta dessa utmaningar behövs ett tvärvetenskapligt angreppssätt som involverar maskininlärning, kontrollteori, språkteknologi och människa-robotinteraktion. Detta projekt involverar fyra toppforskare inom dessa olika områden som kommer att arbeta tillsammans för att utveckla ett gemensamt ramverk för ömsesidig anpassning i interaktion mellan människa och robot. Vår målsättning är att framtidens robotar kommer att bli säkra, effektiva och socialt accepterade.