机器人交互新算法通过提问题更明确人类需求

美国布朗大学(Brown University)研究人员日前研发出新的机器人算法，可让机器人在出现疑惑时向人类发问问题，以便在执行任务过程中能更掌握人类的需求，提升完成任务的准确性。 科学家让机器人在拣货任务中厘清自己的疑惑，包括在必要时提出与分类相关的问题，来确认人类的真正需要。

据IEEE Spectrum报导，日前麻省理工学院(MIT)曾发明透过头盔，利用大脑控制机器人执行动作的技术，但这次布朗大学科学家则开发出更具交互式的方法，让机器人能与人类准确互动。

科学家指出，当人类要求其他人或机器人去拿取某项物品时，如果该物品具有独特性，该任务便较容易执行，反之若包含许多类似物品，复杂度便会增加。 过程中提供协助的对象必须先能了解模棱两可(ambiguity)与不确定(uncertainty)。 换言之，协助者必须能够知道是否已有足够信息帮助自己完成任务，接着再继续做出正确动作获得更多必要信息。

但因为当中包含互动性成分在内，对机器人来说是更复杂的问题，因为用手指指、手势、凝视或语言都是人类用来沟通信息的窍门，但通常机器人却不容易理解。

于是布朗大学科学家开发出FETCH-POMDP系统，可以理解一般手势中所隐藏的意思并将上述意思与说话的人所说的话加以整合，以便更能理解对方所期待的内容为何。

在测试中，科学家让一般人要求Baxter机器人拿取物品，结果发现有3分之1的时间，机器人并未发问问题，3分之1时间则一直发问分类问题，剩余3分之1时间机器人则会判断是否有必要才发问。

科学家原本预期机器人没有发问时动作最快，一直发问准确率则最高，但事后发现，第三种智能发问作法不仅最快也最准确，主要是因为人类与机器人互动不佳，因为人们发问会导致出现转录错误(transcription error)，发问问题越多，代表越容易误解。

研究人员也发现，在测试过程中，许多参与者会使用介系词词组(Prepositional Phrase)来描述物体，例如「给我碗左边的汤匙」，虽然该语言模型并未解释指示性句子，但机器人仍可利用智能互动回馈来厘清人类的需要。

未来研究人员预计更新其模型，纳入指示性句子以及加入眼睛追踪等技术以便提升准确性。