林肯大学:想做人类好伙伴,陪伴机器人你得有缺陷

作者:allenxu 2015-10-26 08:08

{{detail.short_name}} {{detail.main_page}}

{{detail.description}} {{detail.round_name}} {{detail.state_name}}

{{detail.province}}-{{detail.city}}
{{detail.setup_time}}
融资金额:{{detail.latest_event_amount}}{{detail.latest_amount_unit}}
投资方: · {{item.latest_event_tzf_name}}
企业数据由提供支持
查看

04-Poppy-Robot


多完美才是真正的完美?英国最近一项研究揭示了机器人的某些瑕疵才是影响它和人类友好互动的关键。


新的研究表明如果机器人天生就太过完美了的话,那么人类就不大可能和它们建立比较成功的工作关系了。


研究指出现在越来越多的“同伴”机器人被用于帮助照顾老人以及患有自闭症,阿斯伯格综合症或感情障碍的儿童,通过编程让机器人行为变得更聪明的同时我们实际上也为长期的人机关系的发展制造障碍。


实验由英国林肯大学机器人专家负责,他们在实验中发现人们更喜欢和像他们自己一样有行为认知偏差(即形成我们每个人的特点和个性,会造成错误和缺陷的判断偏差)的机器人进行频繁的互动。


调查是由研究员Mriganka Biswas博士完成,同时林肯大学计算机科学学院的约翰·默里博士从旁提供必要的协助。


2015年10月,在汉堡举办的关于智能机器人及其系统的国际会议上他们初次向大家介绍了他们的研究结果。


“通过引入一些缺陷,如判断失误,错误的假设,表示疲劳或无聊,或表现过激行为等等,我们希望知道如何让机器人的交互行为表现的更像普通人”Mriganka博士说到,“通过开发这些认知偏差,从而让它们也能表现的像人类一样并不那么完美,我们发现这些缺陷会让普通人更容易理解它们的行为,从而消除隔离感,这些人们就会更乐于和这些互动机器人进行交流”。


目前大多数的人机交互都基于一组有序和结构化的规则和行为,但是林肯大学学者独辟蹊径,引入传统上


在人类交流中发挥重要作用的因素,即认知偏差“错误归类的记忆”和“共情缺口”给两个不同的机器人,从而观察它们的表现差异。


images


这两个机器人一个是Murray博士的机器人ERWAN(带走智能网络的情感机器人),它能够表达五种基本的情感。另一个是机器人keepon,一个外形米黄色的家伙,旨在通过与儿童互动来研究社会的发展。


研究人员研究了多次机器人和人类参与者之间的交互行为。发现在一半以上的交流过程中机器人都不会被认知偏差所影响,但其他时间,ERWIN在记忆简单事实(使用语言能力和表达)犯了错,而Keepon则是表现出了过度的快乐或忧愁(频繁使用各种肢体动作和发出噪音)。


随后所有参与者都分享了自己的感受,结果表明几乎绝大部分都表示当机器人犯错误的时候他们觉得特别有意思。


“我们引进的认知偏差让这次交互更像普通人之间的寒暄”Mriganka解释道,“通过监控参与者对机器人的不同反应我们几乎压倒性的发现人们其实更喜欢这样的机器人,它们会犯一些常见错误、忘掉一些事情,有时还会出现过激情绪等,就像人类自己一样”


TOPIO_3


“我们对于机器人的认识经常受到科幻小说的影响,然而这种理想化的想法和遥远的机器人以及研究类人机器人的专业研究员之间却存在真实的冲突。一个同伴机器人需要足够友好,同时有能力识别用户的情感和需求,并采取相应的行动。尽管这样,在以往的研究中使用的都是缺乏人类特性的机器人,这样使用者就会产生疏远感--我们要怎么和比我们自己更完美的伙伴相处呢”。


“只要一个机器人可以在与人类交互中显示出人类特有的缺陷,那么我们有信心创造长期良好的人机关系”。


这张研究的结果为下一阶段Mriganka博士在研究决定是否继续使用带有人类特定缺陷的机器人提供了参考。Mriganka的当前研究主要关于MARC(多驱动机器人伴侣),一种3D打印的仿人性机器人,由设计由开源平台projectInMoov提供支持。


先前的研究表明仿人机器人的外观能够帮助用户更直观的了解他们的行为。手部的动作、肢体语言和口语这些为我们人类的感官系统所熟悉并且易于解释,因为从小我们就有受过专门训练去了解这些东西。


Mriganka将会继续研究这种带有认知偏差和人性缺陷的行为是否会带来用户更多积极的回应。


编译自:http://www.lincoln.ac.uk/news/2015/10/1157.asp

如果您想对接动脉网所报道的企业,请填写表单,我们的工作人员将尽快为您服务。


注:文中如果涉及企业数据,均由受访者向分析师提供并确认。如果您有资源对接,联系报道项目,可以点击链接填写基本信息,我们将尽快与您联系。

声明:动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。转载请联系tg@vcbeat.net。

分享

微信扫描二维码分享文章

企业
对接
商务
合作
用户
反馈