沟通人与人之间理解的问题，它可能是每个人心脏的一个大问题。与同一个人的沟通障碍在技术世界不断变化的存在，机器人，人与机器之间的合作是自动化的一个重要方面。

　　近，布里斯托尔大学的计算机科学家们开发了一种新的研究人类机器人的方法，类似于人类反证法。他们把它用在手持式机器人上机器人首先预测人类行为的下一步，然后背叛用户的计划，让用户感到挫败，从而使手持式机器人能够证明和学习对人类意图的理解。

 

　　智能手持机器人可以与用户一起完成任务。与传统的电动工具相比，传统的电动工具不知道它们在用户的控制下执行和完全控制的任务，但是手持式机器人具有关于该任务的知识，并且可以通过引导、微调运动和确定任务序列来提供帮助。

　　这项新的研究表明，故意让人沮丧是开发能够更好地与用户合作的机器人的过程的一部分。虽然这有助于更快、更准确地完成任务，但当机器人的决定不符合自己的计划时，用户可能会感到恼火。

　　计算机科学，布里斯托尔大学的博士候选人新研究教授Janis Stolzenwald和Walterio前辈奎瓦斯在这一领域探索利用智能工具的部门，这些工具可以产生基于用户的意图作出决定的变化。这项研究是人类的机器人新的和有趣的扭曲，它的目的是首先预测用户的需求，然后去对这些计划的研究。

　　马约尔·库瓦斯教授说：“如果你对一台本可以帮助你的机器感到沮丧，那么识别和测量它比通常难以捉摸的人机合作信号要容易得多。如果用户在我们指导机器人操作和反对他们的计划时感到沮丧，我们可以让机器人更好地知道他们想做什么。”

　　“正如对彼此行为的短期预测对于人类团队合作的成功至关重要一样，我们的研究表明，将这种能力整合到协作机器人系统中对于成功的人机协作至关重要。在研究中，研究人员使用了一个跟踪用户眼睛的原型，并利用机器学习来获得对预期运动的短期预测，然后将这些知识作为机器人决策的基础，比如下一步的动作。

　　布里斯托尔研究小组使用了900多个来自参与者挑选地点任务的训练实例对机器人进行了研究，其中的核心是对预测意图模型的评估。研究人员测试了机器人的两种情况：服从和反抗。机器人被编程来跟踪或违背用户的意图。众所周知，用户的目标具有机器人抵抗他们的决定的能力。两种情况下挫折响应的差异证明了机器人预测的准确性，从而验证了意图预测模型的正确性。

　　Janis Stolzenwald是由德国学术奖学金基金会和英国EPSRC资助的博士生。他进行了用户实验，并确定了未来的新挑战。”我们发现，当视觉数据与任务知识相结合时，意图模型更有效。”。这就提出了一个新的研究问题：机器人如何检索这些知识？我们可以想象从演示中学习或让另一个人参与任务。”

　　为了迎接这一新的挑战，目前有研究人员通过手持式机器人，互动和新的应用程序工作在共享对照研究的远程协作。作为一个测试用户维护任务，在这个实验中，机器人手，帮助用户控制由远程***的机器人。

　　　更多咨询：发那科机器人