由朱松春教授领导的加州大学洛杉矶分校 (UCLA) 视觉、认知、学习和自主中心 (VCLA) 的一组研究人员最近开发了一种方法，可以帮助对齐人类用户对机器人可以利用其真实能力做什么的评估。这种方法发表在IEEE Robotics and Automation Letters上的一篇论文中，基于一种新算法，该算法同时优化了机器人运动的物理成本和表现力，以确定人类观察者对其可达工作空间的估计程度。

“在人类社会中，人们根据他们的专业知识和能力扮演不同的角色，”进行这项研究的研究人员之一高晓峰告诉 TechXplore。“这种能力感知的角色分配使人类能够更有效地相互协作。我们认为，当人类与机器人一起工作时，了解机器人的能力对他们来说同样重要，因为不这样做会影响他们的信任和接受机器人。”

高和他的同事认为，人类能够准确估计机器人的能力至关重要。事实上，如果用户低估了机器人的能力，他可能不会使用它;但如果他高估了它，他可能会感到失望或在可能导致严重错误的情况下使用它。

研究人员研究的主要目标是通过涉及多个运动演示的能力校准过程，帮助人类更好地了解机器人可到达的工作空间。此外，该团队希望探索准确衡量机器人能力在多大程度上可以帮助人类在协作任务中为它们分配合适的角色。

“我们提出了可达性表达运动规划(REMP)，这是一种生成富有表现力的运动演示的算法，通过轨迹优化来校准感知的机器人可达性，”高解释说。“REMP 的一个独特功能是它模拟了人类对机器人可达工作空间的信念在每个轨迹之后如何变化。因此，它可以非常有效地提高人类对机器人可达性的理解，因为只需要少量的演示以实现体面的校准。”

高和他的同事在涉及人类参与者的一系列实验中评估了他们的算法。在这些测试中，他们将其性能与利用纯功能运动和随机遍历轨迹作为演示的两种基线方法的性能进行了比较。值得注意的是，他们发现他们的方法可以显着改善用户对机器人可到达工作空间的估计，同时还可以增强人机协作。

“我们很高兴看到，当使用我们的方法时，用户对机器人的看法更加积极，因为机器人被认为更可靠、更可预测且更容易理解，”高说。“这些结果强调了构建智能机器的必要性，这些机器能够了解与他们一起工作的人，并帮助我们设想一个人类和人工智能可以一起工作的更美好未来。”

这组研究人员最近开展的项目由 DARPA 可解释人工智能 (XAI) 资助。将来，他们开发的算法可以帮助提高现有和新开发的机器人系统的协作技能。

由于团队在线进行实验，他们目前只能研究他们的算法在 2D 平面上的性能。然而，在他们接下来的研究中，他们计划进一步开发他们的方法，以确保它也可以应用于 3D 环境。

“由于触及是人机交互中最基本的任务之一，我们相信理解可达性极大地帮助用户了解机器人在不同任务中的能力，”高补充道。“我们认为我们的工作是朝着更通用的能力校准设置迈出的成功的第一步。我们现在也有兴趣使用各种其他方式(例如，语音、手势)作为交流能力的手段。”