Los humanos tenemos una forma de entender las metas, deseos y creencias de los demás, una habilidad crucial que nos permite anticiparnos a las acciones de las personas. ¿Sacar el pan de la tostadora? Necesitarás un plato. ¿Barrer las hojas? Cogeré el bote de basura verde.
Esta habilidad, a menudo denominada «teoría de la mente», nos resulta fácil a los humanos, pero sigue siendo un desafío para los robots. Pero, si los robots van a convertirse en verdaderos ayudantes colaborativos en la fabricación y en la vida cotidiana, necesitan aprender las mismas habilidades.
En un nuevo artículo, finalista del premio al mejor artículo en la Conferencia Internacional ACM/IEEE sobre Interacción Humano-Robot (HRI), los investigadores de ciencias informáticas de USC Viterbi tienen como objetivo enseñar a los robots cómo predecir las preferencias humanas en las tareas de ensamblaje, para que algún día puedan ayudar. en todo, desde construir un satélite hasta poner una mesa.
«Cuando se trabaja con personas, un robot necesita adivinar constantemente qué hará la persona a continuación», dijo el autor principal Heramb Nemlekar, estudiante de doctorado en ciencias informáticas de la USC que trabaja bajo la supervisión de Stefanos Nikolaidis, profesor asistente de ciencias informáticas. «Por ejemplo, si el robot cree que la persona necesitará un destornillador para ensamblar la siguiente pieza, puede obtener el destornillador con anticipación para que la persona no tenga que esperar. De esta manera, el robot puede ayudar a las personas a terminar el ensamblaje mucho más rápido». .»
Pero, como puede atestiguar cualquiera que haya coconstruido muebles con un socio, es difícil predecir lo que una persona hará a continuación: diferentes personas prefieren construir el mismo producto de diferentes maneras. Mientras que algunas personas quieren comenzar con las partes más difíciles para superarlas, otras pueden querer comenzar con las partes más fáciles para ahorrar energía.
Haciendo predicciones
La mayoría de las técnicas actuales requieren que las personas le muestren al robot cómo les gustaría realizar el ensamblaje, pero esto requiere tiempo y esfuerzo y puede frustrar el propósito, dijo Nemlekar. «Imagínese tener que ensamblar un avión completo solo para enseñarle al robot sus preferencias», dijo.
En este nuevo estudio, sin embargo, los investigadores encontraron similitudes en la forma en que un individuo ensamblará diferentes productos. Por ejemplo, si comienzas con la parte más difícil al construir un sofá de Ikea, es probable que utilices el mismo tacto al armar la cuna de un bebé.
Entonces, en lugar de «mostrar» al robot sus preferencias en una tarea compleja, crearon una pequeña tarea de ensamblaje (llamada tarea «canónica») que las personas pueden realizar fácil y rápidamente. En este caso, armar partes de un modelo simple de avión, como las alas, la cola y la hélice.
El robot «observó» al humano completar la tarea usando una cámara colocada directamente sobre el área de ensamblaje, mirando hacia abajo. Para detectar las partes operadas por humanos, el sistema usó AprilTags, similares a los códigos QR, adjuntos a las partes.
Luego, el sistema usó el aprendizaje automático para conocer la preferencia de una persona en función de su secuencia de acciones en la tarea canónica.
«Basándose en cómo una persona realiza el montaje pequeño, el robot predice lo que esa persona hará en el montaje más grande», dijo Nemlekar. «Por ejemplo, si el robot ve que a una persona le gusta comenzar el ensamblaje pequeño con la parte más fácil, predecirá que también comenzará con la parte más fácil en el ensamblaje grande».
Formando confianza
En el estudio de usuarios de los investigadores, su sistema pudo predecir las acciones que los humanos tomarán con alrededor del 82% de precisión.
«Esperamos que nuestra investigación pueda facilitar que las personas muestren a los robots lo que prefieren», dijo Nemlekar. «Al ayudar a cada persona de la manera que prefiera, los robots pueden reducir su trabajo, ahorrar tiempo e incluso generar confianza con ellos».
Por ejemplo, imagina que estás armando un mueble en casa, pero no eres particularmente hábil y tienes dificultades con la tarea. Un robot que haya sido entrenado para predecir sus preferencias podría proporcionarle las herramientas y las piezas necesarias con anticipación, lo que facilitaría el proceso de ensamblaje.
Esta tecnología también podría ser útil en entornos industriales donde los trabajadores tienen la tarea de ensamblar productos a gran escala, ahorrando tiempo y reduciendo el riesgo de lesiones o accidentes. Además, podría ayudar a las personas con discapacidad o movilidad limitada a ensamblar productos más fácilmente y mantener su independencia.
Preferencias de aprendizaje rápido
El objetivo no es reemplazar a los humanos en la planta de producción, dicen los investigadores. En cambio, esperan que esta investigación conduzca a mejoras significativas en la seguridad y la productividad de los trabajadores de ensamblaje en las fábricas híbridas humano-robot. «Los robots pueden realizar las tareas sin valor agregado o ergonómicamente desafiantes que actualmente realizan los trabajadores.
En cuanto a los próximos pasos, los investigadores planean desarrollar un método para diseñar automáticamente tareas canónicas para diferentes tipos de tareas de ensamblaje. También tienen como objetivo evaluar el beneficio de aprender las preferencias humanas a partir de tareas cortas y predecir sus acciones en una tarea compleja en diferentes contextos, por ejemplo, asistencia personal en los hogares.
«Si bien observamos que las preferencias humanas se transfieren de las tareas canónicas a las reales en la fabricación de ensamblajes, también espero hallazgos similares en otras aplicaciones», dijo Nikolaidis. «Un robot que pueda aprender rápidamente nuestras preferencias puede ayudarnos a preparar una comida, reorganizar los muebles o hacer reparaciones en la casa, lo que tendrá un impacto significativo en nuestra vida diaria».
