一種能夠學習所有權關系和規范的新機器人

耶魯大學的一組研究人員最近開發出一種能夠代表，學習和推斷所有權關系和規范的機器人系統。他們的研究預先發布在arXiv上，解決了與教授機器人社會規范以及如何與之相符的一些復雜挑戰。

隨著機器人變得越來越普遍，重要的是他們能夠有效和適當地與人類進行交流。人類互動的一個關鍵方面是根據社會和道德規范來理解和行為，因為這促進了與他人的積極共存。

所有權規范是一套社會規范，有助于以更加體貼他人的方式駕馭共享環境。將這些規范教授給機器人可以增強他們與人類的互動，使他們能夠區分非擁有工具和暫時與他們共享的擁有工具。

“我的研究實驗室專注于構建易于人們進行交互的機器人，”開展這項研究的研究人員之一Brian Scassellati告訴TechXplore。“這項工作的一部分是研究我們如何教授機器關于常見的社會概念，這對我們作為人類必不可少的事情，但并不總是吸引最多關注的主題。了解對象所有權，權限和習俗是一個這些主題并沒有真正受到太多關注，但對于機器在我們的家庭，學校和辦公室的運作方式至關重要。“

在Scassellati，Xuan Tan和Jake Brawer設計的方法中，所有權被表示為物體與其所有者之間概率關系的圖表。這與基于謂詞的規范數據庫相結合，該規范約束允許機器人使用擁有對象完成的操作。

“這項工作的挑戰之一是，我們了解所有權的一些方式是通過被告知明確的規則(例如，'不要拿我的工具')而其他人通過經驗學習，”Scassellati說。“將這兩種類型的學習結合起來對于人們來說可能很容易，但對機器人來說則更具挑戰性。”

研究人員設計的系統結合了一種新的增量規范學習算法，該算法能夠同時實現一次性學習和歸納，以及貝葉斯推斷所有權關系以響應明顯違反規則和基于感知的對象可能所有者的預測。這些組件共同使系統能夠學習適用于各種情況的所有權規范和關系。

“Xuan和Jake所做的工作的關鍵是結合兩種不同的機器學習表示，一種從這些明確的符號規則中學習，另一種是從一小部分經驗中學習，”Scassellati解釋說。“讓這兩個系統協同工作正是使這一挑戰變得更具挑戰性的因素，也是最終成功的原因。”

研究人員在一系列模擬和真實世界的實驗中評估了他們的機器人系統的性能。他們發現，它可以有效地完成需要遵循各種所有權規范的對象操作任務，具有卓越的能力和靈活性。

Scassellati及其同事進行的這項研究提供了一個值得注意的例子，說明如何訓練機器人來推斷和尊重社會規范。進一步的研究可以將類似的結構應用于其他與規范相關的能力，并解決不同規范或目標相互沖突的復雜情況。

“我們將繼續研究如何建造與人們更自然地互動的機器人，而這項研究只關注這項工作的一個方面，”Scassellati說。