赋予机器人社交技能

机器人机器人能在大学校园送外卖，能在高尔夫球场打出一杆进洞，但即使是最先进的机器人也无法完成对人类日常生活至关重要的基本社交活动。

麻省理工学院的研究人员现在已经将某些社会互动纳入一个框架机器人使机器能够理解帮助或阻碍彼此意味着什么，并学会自己执行这些社会行为。在一个模拟的环境中，一个机器人观察它的同伴，猜测它想要完成什么任务，然后根据自己的目标帮助或阻碍另一个机器人。

研究人员还表明，他们的模型创造了现实和可预测的社会互动。当他们向人类展示这些模拟机器人相互互动的视频时，人类观众大多认同该模型所描述的社会行为类型。

让机器人展现社交技能可能会让事情变得更顺利、更积极交互．例如，在辅助生活设施中的机器人可以利用这些功能为老年人创造一个更有爱心的环境。新的模型也可以使科学家们定量地测量社会互动，这可以帮助心理学家进行研究自闭症或者分析抗抑郁药的效果。

“机器人很快就会生活在我们的世界里，它们真的需要学会如何用人类的语言与我们交流。他们需要知道什么时候该出手相助，什么时候该看看自己能做些什么来防止事情发生。这是一项非常早期的工作，我们刚刚触及表面，但我觉得这是第一次非常认真的尝试，以理解人类和机器的社交互动意味着什么。”麻省理工学院计算机科学和人工智能实验室(CSAIL)的首席研究科学家、InfoLab小组负责人、大脑、心智和机器中心(CBMM)成员鲍里斯·卡茨说。

一个社会仿真

为了研究社会互动，研究人员创造了一个模拟的环境，在这个环境中，机器人在二维网格中移动，追求物理和社会目标。

物理目标与环境有关。例如，机器人的物理目标可能是导航到网格上某一点的一棵树上。社交目标包括猜测另一个机器人正在做什么，然后根据这个估计采取行动，比如帮助另一个机器人给树浇水。

研究人员使用他们的模型来明确机器人的物理目标是什么，它的社会目标是什么，以及它应该在多大程度上重视其中一个。如果机器人的行动能让它更接近目标，它就会得到奖励。如果一个机器人试图帮助它的同伴，它会调整自己的奖励以匹配另一个机器人;如果它试图阻碍，它就会调整自己的回报，使之相反。规划器是一种决定机器人应该采取哪些行动的算法，它使用这种不断更新的奖励来指导机器人实现身体和社会目标的混合。

“我们已经为如何模拟两个主体之间的社会互动打开了一个新的数学框架。如果你是一个机器人，你想去位置X，而我是另一个机器人，我看到你想去位置X，我可以合作，帮助你更快地到达位置X。这可能意味着让X更接近你，找到另一个更好的X，或采取你在X必须采取的任何行动。我们从数学的角度明确了社会互动的意义，”CSAIL的研究助理Ravi Tejwani说。

将机器人的物理目标和社会目标结合在一起对于创造现实的互动非常重要，因为相互帮助的人类会受到限制。例如，一个理性的人可能不会把自己的钱包递给陌生人，CSAIL和CBMM的研究科学家安德烈·巴布(Andrei Barbu)说。

研究人员利用这个数学框架定义了三种类型的机器人。0级机器人只有身体目标，不能进行社会推理。1级机器人有物理和社会目标，但假设其他所有机器人都只有物理目标。一级机器人可以根据其他机器人的物理目标采取行动，比如帮助和阻碍。二级机器人假设其他机器人有社交和身体目标;这些机器人可以采取更复杂的行动，如加入到一起帮助。

评估模型

为了了解他们的模型与人类社会互动的视角相比如何，他们用机器人创造了98个不同的场景，分别是0级、1级和2级。12个人观看了196个机器人互动的视频片段，然后被要求估计这些机器人的身体和社会目标。

在大多数情况下，他们的模型与人类对每个框架中发生的社会互动的看法一致。

“我们有这个长期的兴趣，既要为机器人建立计算模型，也要更深入地挖掘这方面的人类方面。我们想要找出这些视频中人类用来理解社会互动的特征。我们能做个客观测试来测试你的社交能力吗?也许有一种方法可以教会人们认识这些社会互动，并提高他们的能力。我们离这个目标还有很长的路要走，但即使只是能够有效地衡量社会互动，也是向前迈出的一大步。”

更加成熟

研究人员正致力于开发一种带有3D代理的系统，该系统可以在一个环境中进行更多类型的交互，比如操纵家用物品。他们还计划修改他们的模型，以包括行动可能失败的环境。

研究人员还希望将基于神经网络的机器人规划器整合到模型中，它可以从经验中学习并更快地执行。最后，他们希望进行一项实验，收集人类使用的特征数据，以确定两个机器人是否在进行社交互动。

“希望我们将有一个基准，允许所有研究人员在这些社会互动上工作，并激励我们在物体和动作识别等其他领域看到的科学和工程进步，”Barbu说。

“我认为这是结构化推理在复杂而紧迫的挑战中的一个可爱的应用，”哈佛大学心理学系助理教授、计算、认知和发展实验室主任托默·厄尔曼(Tomer Ullman)说，他没有参与这项研究。“即使是年幼的婴儿似乎也能理解社会互动，比如帮助和阻碍，但我们还没有机器能够以人类水平的灵活性执行这种推理。”我相信，像这项工作中提出的那些模型，让代理考虑他人的回报，并从社会角度规划如何最好地阻止或支持他们，是朝着正确方向迈出的一大步。”