無論是紐約市市長為了政治需要驅(qū)逐機器人的發(fā)言，還是海底撈機器人服務(wù)員的勤奮，不止一次的事件提醒我們，機器人隨著時代的洪流而至，作為被接受的人類，應(yīng)該去注意機器人與人在社交中的關(guān)系。服務(wù)機器人和移動機器人正在逐步進入許多人口稠密的環(huán)境，KUKA機器人維修，包括醫(yī)院，購物中心和人們的住所。為了使這些機器人與周圍環(huán)境中的人類互動，他們（機器人設(shè)計者）應(yīng)該尊重與他人共享給定環(huán)境相關(guān)的許多潛規(guī)則。
國外就針對于此有相關(guān)的研究，例如考慮到這一點，內(nèi)華達州里諾大學(xué)的研究人員最近開發(fā)了一種非線性，多目標(biāo)優(yōu)化方法，該方法可以在移動機器人中實現(xiàn)具有社交意識的導(dǎo)航。這種方法最早在2019年國際機器人與系統(tǒng)大會（IROS）上發(fā)表的一篇論文中有過概述，現(xiàn)在在arXiv上發(fā)表，它確保了機器人不會侵入周圍人的個人空間，同時還可以使人機更有效在幾種情況下的交互（HRI）。
“這項研究最初是在我的主論文中對機器人和兒童進行研究的一部分，后來發(fā)現(xiàn)其極具前景”進行這項研究的研究人員之一David Feil-Seifer說。“早期的工作涉及為我們希望機器人與孩子互動的環(huán)境開發(fā)機器人。在這種情況下，我們通過機器人路徑規(guī)劃中常用的指標(biāo)，使機器人走最“高效”的道路（以最大程度地減少時間）運動，使行進的距離最小化，以及不會撞到任何東西。”
也是早先在先前發(fā)表在《人機交互》上的一項研究中，F(xiàn)eil-Seifer和他的同事試圖為兒童居住的環(huán)境開發(fā)機器人導(dǎo)航行為。試點工作表明，機器人可以有效地到達期望的位置而不會撞到任何東西，機器人維修，但是研究人員觀察到，兒童通常對機器人的反應(yīng)和觀感較差。實際上，實驗中使用的機器人通常會遠離兒童，并盡可能快地朝其期望的位置移動。但由于這種行為，孩子們認(rèn)為機器人不想與他們互動。
Feil-Seifer說：“我們觀察了機器人后發(fā)現(xiàn)，它并沒有真正改變?nèi)藗兊男袨榉绞剑皇菍W(xué)習(xí)吸收了社交信息，并利用它來幫助進行路徑規(guī)劃和行為規(guī)避動作。” “因此，我們決定制作一個導(dǎo)航計劃器，該計劃器可以使用社交距離信息來執(zhí)行社交上適當(dāng)?shù)倪\動。”
在原先同一項先前的研究中，F(xiàn)eil-Seifer和他的同事使用一種稱為高斯混合模型（GMM）的簡單數(shù)學(xué)方法，www.twshmhelmet.com，把社會關(guān)系理解為簡單的線性數(shù)學(xué)模型，成功地使機器人確定了計劃的運動是否符合社會要求。在機器人可以使用簡單的線性數(shù)學(xué)模型輕松理解和表示社會因素的情況下，此方法效果很好。但是，由于大多數(shù)現(xiàn)實世界中的社交互動都涉及多個難以在線性模型中擬合交叉的因素，這導(dǎo)致他們開發(fā)的簡單方法無法在不同的社交環(huán)境中很好地推廣，并且在許多情況下根本無法奏效。
因此，在他們的新研究中，研究人員決定更新他們先前開發(fā)的計劃程序，以優(yōu)化機器人的計劃動作，并考慮到他們希望機器人考慮的，各種社會屬性之間的非線性關(guān)系。這涉及使用啟用了帕累托凹面消除變換（PaCcET）的計劃程序。
“我們方法的主要優(yōu)勢在于，它可以利用各種社會因素之間的非線性關(guān)系（例如，您在走廊上的位置，與其他人的關(guān)系，與目標(biāo)的距離等） 。），” Feil-Seifer說。Feil-Seifer和他的同事們將非線性優(yōu)化方法應(yīng)用于幾種情況，在這幾種情況下，機器人必須尊重社會規(guī)范，例如，不得侵犯人們的個人空間。他們發(fā)現(xiàn)他們的方法在許多情況下都很好用，包括在走廊，美術(shù)館或在提示時的互動，會主動禮讓和交互。
移動機器人正在加入在門口場景前方形成的提示。傳統(tǒng)的計劃者生成紅色軌跡，將機器人引導(dǎo)到第一人稱（不適當(dāng)?shù)娜耍┡赃叺奈恢茫⑶袛嗑�。我們建議的方法是藍色軌跡，使機器人（適當(dāng)?shù)兀┘尤肷a(chǎn)線。圖片來源：Banisetty等。
Feil-Seifer說：“我們還沒有與其他具有社會意識的導(dǎo)航計劃者進行直接比較；但這是為未來計劃的。” “但是，與不考慮社交動態(tài)的傳統(tǒng)計劃者相比，該機器人在走廊上經(jīng)過時會給人更多的空間，同時還能繼續(xù)朝著理想的目標(biāo)前進。”
在最近的研究中，研究人員在模擬的PR2機器人的二維模擬中以及在先鋒3DX移動機器人的現(xiàn)實世界中評估了他們的方法。他們的發(fā)現(xiàn)表明，他們的方法可以處理涉及完整和非完整機器人的多種交互方案。
Feil-Seifer說：“實際上，這份初始論文證明了這種方法至少可以在模擬環(huán)境中起作用。” “后來的工作已經(jīng)在現(xiàn)實世界和各種各樣的社會場景中證明了這一點，這些場景既考慮了其他人又考慮了與機器人交互環(huán)境有關(guān)的因素（例如，感興趣的地方，例如墻上的繪畫），這些因素也與人們的社會意識有關(guān)。 ”。
總體而言，F(xiàn)eil-Seifer和他的同事所做的工作突出表明，有必要開發(fā)工具以提高機器人的社會意識，以確保它們不會使人們感到不舒服，從而促進他們?nèi)谌肷鐣恚麄冮_發(fā)的非線性優(yōu)化方法最終可以簡化辦公室，醫(yī)院和其他各種環(huán)境中移動機器人的使用。
“我們現(xiàn)在正在繼續(xù)擴展我們的社交意識導(dǎo)航（SAN）計劃程序的功能，以包括更廣泛的社交互動，以更好地了解社交環(huán)境，從而可以正確地確定要優(yōu)先考慮的目標(biāo)，并使系統(tǒng)發(fā)揮更魯棒，也有更大的作用。” Feil-Seifer說。“我們還計劃研究社交感知導(dǎo)航對觀察交互的人們的直接影響以及它如何影響他們對機器人的感知，因為這將有助于驗證社交感知導(dǎo)航的必要性。”