一个能理解人类运动的机器人助手

在过去的十年里，机器人与人类的合作越来越多——例如，在制造业、残疾人辅助设备和外科手术中。然而，机器人目前还不能以个性化的方式对个人用户做出反应，这限制了它们对人类的用处。现在，伦敦帝国理工学院的Etienne Burdet教授和他的同事们已经开发出了第一个交互式机器人控制器，它可以学习人类用户的行为，并利用它来预测他们的下一步动作。

研究人员开发了一种反应性机器人编程系统，可以让机器人不断学习人类用户的动作，并相应地调整自己的动作。伯德特说:“当观察人类彼此之间的身体互动时，我们发现他们通过理解彼此控制的独特能力取得了很好的成功。”我们将类似的原理应用到人机交互设计中。”

Normally, humans can only control robots using quite simple techniques, through either the ‘master-slave’ mode, where the robot reproduces or amplifies the human’s movement, such as with an exoskeleton, or the robot does not consider the human user at all, such as in rehabilitation. Humans are unpredictable and constantly change their movements, which makes it difficult for robots to predict human behaviour and react in helpful ways. This can lead to errors in completing the task.

研究团队列出了调查如何控制联系机器人，以便在运动培训，物理康复或共享驾驶等活动中的运动期间对具有未知行为的用户提供稳定和适当的响应。

博弈理论

作者开发了一种基于博弈论的机器人控制器。游戏理论由多个玩家组成，可以竞争或合作完成任务。每个玩家都有自己的策略（他们如何根据游戏的当前状态选择他们的下一个行动），所有玩家都试图优化他们的性能，同时假设他们的对手也会最佳地发挥。为了成功地将博弈论应用于他们的互动，研究人员必须克服机器人不能通过推理来预测人类意图的问题。

他们利用博弈论来确定机器人对人类互动的反应，利用机器人预期动作和实际动作之间的差异来估计人类的策略——人类如何利用任务中的错误来产生新的行动。例如，如果人类的策略不允许他们完成任务，机器人可以增加它的努力来帮助他们。教机器人预测人类的策略可以让它改变自己的反应。如果机器人可以估计人类的策略，它就可以改变自己的策略作为回应。

该团队在人体实验对象的模拟中测试了他们的框架，表明当人类的策略缓慢改变时(就像人类正在恢复力量一样)，以及当人类的策略改变和不一致时(比如在受伤后)，机器人可以适应。

Lead author Dr Yanan Li from the University of Sussex, who conducted the work while at Imperial’s Department of Bioengineering, said: “It is still very early days in the development of robots and at present, those that are used in a working capacity are not intuitive enough to work closely and safely with human colleagues or clients without human supervision. By enabling the robot to identify the human user’s behaviour and exploiting game theory to let the robot optimally react to any human user, we have developed a system where robots can work in much better harmony with humans.”

接下来，该团队将与新加坡南洋理工大学(Nanyang Technological University)的合作伙伴将互动控制行为应用于机器人辅助神经康复，以及半自动驾驶汽车的共享驾驶。