Нов технологичен метод позволява на роботите да откриват скрити предпочитания на техните потребители. За да бъде ефективен, методът изисква пет пъти по-малко демонстрации и помага на машините да работят безопасно около хора.
Изследователи от Масачузетския технологичен институт (MIT) са разработили система за обучение на роботи, която им позволява да разбират не само директни човешки команди, но и скрити изисквания извън обхвата на инструкциите.
Новият подход, наречен „Masked Inverse Reinforcement Learning” (Masked IRL), помага на роботите да овладеят задачи, използвайки близо пет пъти по-малко демонстрации за обучение от съществуващите методи.
Предизвикателството пред съвременните роботи е, че хората рядко изразяват напълно желанията си. Например, ако помолите робот да постави чаша кафе на масата по време на видео разговор, обикновено не уточнявате, че роботът трябва да стои далеч от лаптопа и да не нахлува в личното ви пространство. Именно тези детайли обаче често се оказват решаващи за комфортно взаимодействие с робота.
Традиционно обучението на роботи се осъществява или с помощта на множество физически демонстрации на действия, или с подробни текстови инструкции. Без един от тези компоненти системата може да интерпретира погрешно задачата. Екипът на MIT се опитва да се справи с този проблем, използвайки големи езикови модели.
Masked IRL се основава на двуетапен процес. Първо, един езиков модел анализира физическата демонстрация на човека и прецизира двусмислените команди. Например, инструкцията „стой близо” може автоматично да се преобразува в по-конкретна формулировка „стой близо до повърхността на масата”. За да направи това, системата сравнява траекторията на робота с най-краткия възможен маршрут и се опитва да разбере кои поведенчески характеристики са били важни за човека.
След това вторият езиков модел анализира средата и определя кои обекти са наистина релевантни за задачата. На всеки елемент се присвоява статус на съществен или маловажен. Ако човекът случайно се е облегнал на масата по време на демонстрацията, този факт ще бъде игнориран. Въпреки това, местоположението на лаптоп, препятствия или самият целеви обект ще бъдат взети предвид при формулирането на план за действие.
Този механизъм за избор на информация се оказа ключово предимство на системата. По време на тестване както във виртуална среда, така и върху реална роботизирана ръка, Masked IRL идентифицира правилно предпочитанията на потребителя, които не са били изрично посочени, с 15% по-голяма вероятност.
Изследователите също така установяват, че новият метод значително ускорява обучението. Роботът изисква значително по-малко демонстрации, за да овладее задачата, в сравнение със съществуващите подходи. Освен това, изясняването на инструкциите с помощта на езиков модел значително подобрява изпълнението на задачата в сравнение с опитите за следване на неясни команди.
Практическите опити потвърждават тези резултати. След обучение с 50 физически демонстрации, роботът успява да подаде точно предмети на потребител, избягвайки сблъсъци с лаптоп, като преди това се е научил да го възприема като обект, който трябва да се избягва.
В други експерименти роботът бърше маса, като остава в непосредствена близост до повърхността ѝ, и подава торба с чипс на потребител, като едновременно с това избягва както потребителя, така и близката маса.
Изследователите отбелязват, че текущата версия на системата разчита предимно на данни от сензори и информация за движение. Следващата стъпка ще бъде интегриране на камери за компютърно зрение. Това ще позволи на роботите самостоятелно да анализират обкръжението си и да идентифицират важни обекти, дори преди да започнат задачата си.
Например, ако на робот бъде издадена команда да вземе играчка, той ще може визуално да определи, че близките банани са без значение и ще се фокусира единствено върху желания обект.
Разработката на MIT ще бъде представена на Международната конференция по роботика и автоматизация на IEEE (ICRA 2026), която ще се проведе във Виена през юни. Авторите смятат, че технологията може да намери приложение в домашни роботи, складова автоматизация, в промишлеността и офис среди, където машините все по-често работят заедно с хората.
