布里斯托爾（Bristol）的團隊開發(fā)了智能的手持式機器人，可以與用戶協(xié)作完成任務。與傳統(tǒng)的電動工具相反，傳統(tǒng)電動工具對其執(zhí)行的任務一無所知，并且完全在用戶的控制之下，但手持機器人則擁有有關該任務的知識，并且可以通過指導，微調(diào)運動和確定任務序列來提供幫助。
布里斯托大學的計算機科學家開發(fā)的這種新的人類機器人研究方法，類似人類的反證法，他們將其用在手持機器人，該機器人會首先進行人類行為下一步預測，然后通過背叛用戶的計劃而使用戶感到沮喪，從而使得這個手持機器人能夠證明和學習對人類意圖的理解。
在技術日新月異的世界中，人與機器之間的合作是自動化的重要方面。這項新的研究表明，故意使人沮喪是開發(fā)與用戶更好協(xié)作的機器人過程的一部分。盡管這有助于更快，更準確地完成任務，但是當機器人的決策與自己的計劃不符時，用戶可能會感到惱火。
布里斯托爾大學計算機科學系博士候選人Janis Stolzenwald和Walterio Mayol Cuevas教授在這一領域的最新研究探索了智能工具的使用，這些工具可以根據(jù)用戶的意圖對他們的決策產(chǎn)生偏差。這項研究是對人類機器人研究的一種新穎而有趣的轉(zhuǎn)折，它旨在首先預測用戶的需求，然后違背這些計劃。
Mayol-Cuevas教授說：“如果您對本來可以幫助您的機器感到沮喪，則比通常難以捉摸的人機合作信號更容易識別和衡量。如果用戶在我們指示機器人進行操作時感到沮喪反對他們的計劃，我們能讓機器人更好知道他們想做什么。”
“就像對彼此行為的短期預測對于成功的人類團隊合作必不可少一樣，我們的研究表明，將這種能力集成到協(xié)作機器人系統(tǒng)中對于成功的人機協(xié)作至關重要。”在這項研究中，研究人員使用了一個原型，該原型可以跟蹤用戶的視線，并通過機器學習獲得有關預期動作的短期預測，然后將這些知識用作機器人決策（如下一步移動）的基礎。
布里斯托（Bristol）團隊使用900多個訓練示例對機器人進行了研究培訓，這些示例來自參與者的拾放任務，該研究的核心是意圖預測模型的評估。研究人員測試了機器人的兩種情況：服從和叛逆。機器人被編程為遵循或違背用戶的預期意圖。知道用戶的目標使機器人有能力反抗他們的決定。兩種情況下挫折響應的差異證明了機器人預測的準確性，從而驗證了意圖預測模型。
Janis Stolzenwald是德國學術獎學金基金會（German Academic Scholarship Foundation）和英國EPSRC資助的一名博士生，他進行了用戶實驗，并確定了未來的新挑戰(zhàn)。他說：“我們發(fā)現(xiàn)，當視覺數(shù)據(jù)與任務知識相結(jié)合時，意圖模型會更有效。這就提出了一個新的研究問題：機器人如何檢索這些知識？我們可以想象從示范中學習或讓另一個人參與這項任務。”
為了應對這一新挑戰(zhàn)，研究人員目前正在研究關于通過手持式機器人進行遠程協(xié)作的研究中的共享控制，交互和新應用。維護任務充當用戶實驗，在該實驗中，手持機器人用戶將通過遠程控制機器人的專家來獲得幫助。
這項研究建立在前博士生奧斯汀·格雷格·史密斯設計和制造的手持式機器人的基礎上，通過研究人員的網(wǎng)站www.handheldrobotics.org可以獲得這種手持式機器人的開源設計。
