Ömsesidig adaption i system för människa-robotinteraktion
- Diarienummer
- RIT15-0133
- Start- och slutdatum
- 160701-220630
- Beviljat belopp
- 31 040 000 kr
- Förvaltande organisation
- KTH - Royal Institute of Technology
- Forskningsområde
- Informations-, kommunikations- och systemteknik
Summary
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, och för att utveckla sådana system behövs ett tvärvetenskapligt angreppssätt som involverar maskininlärning, reglerteknik, språkteknologi och människa-robotinteraktion. Hittills har dock dessa forskningsområden närmat sig problemet med olika av varandra oberoende angreppssätt. COIN-projektet bygger på en fusion av dessa områden och fokuserar särskilt på ömsesidig anpassning mellan robotar och människor som sker i kortsiktiga och långsiktiga interaktioner. Målet med projektet är att utveckla ett ramverk för dubbelriktad adaption som ger säkra, effektiva, och socialt acceptabla robotbeteenden och interaktioner mellan människa och robot. Detta involverar metoder för planering baserad på formella metoder, omplanering och robotstyrning under osäkerhet, modellanpassning baserat på formell verifiering, tekniker för inlärning av prediktiv tillståndsrepresentation, långsiktig förstärkningsinlärning, och kortsiktig anpassning i fysisk och språklig interaktion mellan människa och robot.
Populärvetenskaplig beskrivning
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.