Credit: CC0公共领域研究人机交互的科学家往往专注于从机器人的角度理解人类的意图，因此机器人学会了更有效地与人合作。但是人机交互是双向的，人类也需要学习机器人的行为。多亏了几十年的认知科学和教育心理学研究，科学家们很好地掌握了人类如何学习新概念。因此，麻省理工学院和哈佛大学的研究人员合作，将人类概念学习的成熟理论应用于人机交互的挑战。
他们检查了过去的研究，这些研究集中在人类试图教会机器人新的行为。研究人员发现了这些研究可以将两种互补的认知科学理论的元素整合到他们的方法中的机会。他们使用这些作品中的例子来展示这些理论如何帮助人类更快、更准确、更灵活地形成机器人的概念模型，这可以提高他们对机器人行为的理解。
计算机科学和人工智能实验室(CSAIL)互动机器人小组的研究生、论文的第一作者Serena Booth说，为机器人建立更准确的心理模型的人类通常是更好的合作者，这在人类和机器人在制造业和医疗保健等高风险情况下合作时尤为重要。
“无论我们是否试图帮助人们建立机器人的概念模型，他们无论如何都会建立它们。这些概念模型可能是错误的。这会给人们带来严重的危险。布斯说:“重要的是，我们要尽我们所能，给那个人提供他们能建立的最好的心智模型。
布斯和她的顾问朱莉·沙阿(Julie Shah)是麻省理工学院航空航天学教授，也是互动机器人小组的主任，他们与哈佛大学的研究人员合作撰写了这篇论文。伊莲娜·格拉斯曼(Elena Glassman)2008级，MNG 2011级，博士学位2016级，是哈佛大学约翰·a·保尔森工程与应用科学学院的计算机科学助理教授，在学习和人机交互理论方面具有专长，是该项目的主要顾问。哈佛的合著者还包括研究生Sanjana Sharma和研究助理Sarah Chung。这项研究将在IEEE人机交互会议上发表。
理论方法
研究人员使用两个关键理论分析了35篇关于人机教学的研究论文。“类比迁移理论”认为人类通过类比来学习。当一个人与一个新的领域或概念进行交互时，他们会隐含地寻找一些他们可以用来理解新实体的熟悉的东西。
“学习的变异理论”认为，战略变异可以揭示一些概念，而这些概念对于一个人来说可能很难用其他方式来辨别。它认为，当人们与新概念互动时，会经历四个步骤:重复、对比、概括和变化。
布斯说，虽然许多研究论文都包含了一个理论的部分要素，但这很可能是偶然的。如果研究人员在工作开始时参考了这些理论，他们也许能够设计出更有效的实验。
例如，当教人类与机器人互动时，研究人员经常向人们展示机器人执行相同任务的许多例子。但是，对于人们来说，要建立机器人的准确心理模型，变异理论表明，他们需要看到机器人在不同环境中执行任务的一系列例子，他们还需要看到它犯错误。
“这在人机交互文献中非常罕见，因为它违反直觉，但人们也需要看到反面例子才能理解机器人不是什么，”布斯说。
这些认知科学理论也可以改进物理机器人的设计。布斯解释说，如果机械臂类似于人类手臂，但运动方式不同于人类运动，人们将很难建立机器人的准确心理模型。正如类比迁移理论所建议的那样，因为人们将他们所知道的东西——一条人类的手臂——映射到机械臂上，如果运动不匹配，人们就会感到困惑，并难以学习与机器人互动。
增强解释
布斯和她的合作者还研究了人类概念学习的理论如何改善试图帮助人们建立对不熟悉的新机器人的信任的解释。
“在可解释性方面，我们有一个很大的确认偏差问题。关于什么是解释以及一个人应该如何使用解释，通常没有标准。作为搜索者，我们通常会设计一种解释方法，对我们来说很好，然后我们就发布它，”她说。
相反，他们建议研究人员使用来自人类概念学习的理论来思考人们将如何使用解释，这些解释通常由机器人生成，以清晰地传达他们用于决策的政策。布斯说，通过提供课程，帮助用户理解解释方法的含义和使用时间，以及它不适用的地方，他们将对机器人的行为有更深的理解。
基于他们的分析，他们提出了一些关于如何改进人机教学研究的建议。首先，他们建议研究人员通过指导人们在学习与新机器人一起工作时进行适当的比较来融入类比迁移理论。布斯说，提供指导可以确保人们使用合适的类比，这样他们就不会对机器人的行动感到惊讶或困惑。
他们还建议，包括机器人行为的正面和负面例子，并让用户了解机器人“政策”中参数的战略变化如何影响其行为，最终在战略变化的环境中，可以帮助人类学习得更好更快。机器人的策略是一个数学函数，它为机器人可以采取的每个行动分配概率。
“我们多年来一直在进行用户研究，但我们一直根据自己的直觉来判断什么对人类有帮助，什么没有帮助。格拉斯曼说:“下一步将是更严格地把这项工作建立在人类认知理论的基础上。
现在，这个使用认知科学理论的初步文献综述已经完成，布斯计划通过重建她研究的一些实验来测试他们的建议，并看看这些理论是否真的改善了人类的学习。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
