인간-로봇 상호작용을 연구하는 과학자들은 종종 로봇의 관점에서 인간의 의도를 이해하는 데 초점을 맞추므로 로봇은 사람들과 더 효과적으로 협력하는 법을 배운다. 그러나 인간-로봇 상호작용은 양방향이며 인간도 로봇이 어떻게 행동하는지 배워야 한다.

수십 년에 걸친 인지 과학 및 교육 심리학 연구 덕분에 과학자들은 인간이 새로운 개념을 배우는 방법에 대해 꽤 잘 알고 있다. 그래서 MIT와 하버드대학교의 연구원들은 잘 정립된 인간 개념 학습 이론을 인간-로봇 상호작용의 문제에 적용하기 위해 협력했다.

그들은 로봇에게 새로운 행동을 가르치려는 인간에 초점을 맞춘 과거 연구를 조사했다. 연구원들은 이러한 연구가 두 가지 보완적인 인지 과학 이론의 요소를 방법론에 통합할 수 있는 기회를 식별했다. 그들은 이론이 인간이 로봇의 행동에 대한 이해를 향상시킬 수 있는 로봇의 개념적 모델을 보다 빠르고 정확하고 유연하게 형성하는 데 어떻게 도움이 되는지 보여주기 위해 이 작업의 예를 사용했다.

로봇의 보다 정확한 멘탈 모델을 구축하는 인간은 종종 더 나은 협력자이며, 이는 인간과 로봇이 제조 및 의료와 같은 고위험 상황에서 협력할 때 특히 중요하다고 Interactive Robotics Group의 대학원생인 Serena Booth는 말한다. 컴퓨터 과학 및 인공 지능 연구소(CSAIL)이자 논문의 주저자이다.

"우리가 사람들이 로봇의 개념적 모델을 만들도록 돕든 말든 그들은 어쨌든 그것을 만들 것이다. 그리고 그 개념적 모델은 틀릴 수 있다. 이것은 사람들을 심각한 위험에 빠뜨릴 수 있다. 우리가 그 사람에게 줄 수 있는 모든 것을 사용하는 것이 중요하다. 그들이 구축할 수 있는 최고의 멘탈 모델"이라고 Booth는 말한다.

Booth와 그녀의 고문인 Julie Shah, MIT 항공 및 우주 비행학 교수이자 Interactive Robotics Group의 이사는 Harvard의 연구원들과 협력하여 이 논문을 공동저술했다. Elena Glassman '08, MNG '11, PhD '16, 하버드 John A. Paulson 공학 및 응용 과학 대학의 컴퓨터 과학 조교수는 학습 이론과 인간-컴퓨터 상호 작용에 대한 전문 지식을 가지고 있으며, 프로젝트. Harvard의 공동 저자에는 대학원생 Sanjana Sharma와 연구 조교인 Sarah Chung도 포함됩니다. 이 연구는 인간-로봇 상호작용에 관한 IEEE 컨퍼런스에서 발표될 예정이다.

이론적 접근
연구자들은 두 가지 핵심 이론을 사용하여 인간-로봇 교육에 관한 35개의 연구 논문을 분석했다. "유추적 전달 이론"은 인간이 유추를 통해 학습한다고 제안한다. 인간은 새로운 영역이나 개념과 상호 작용할 때 새로운 개체를 이해하는 데 사용할 수 있는 친숙한 것을 암묵적으로 찾는다.

"학습의 변이 이론"은 전략적 변이가 그렇지 않으면 식별하기 어려울 수 있는 개념을 드러낼 수 있다고 주장한다. 인간은 새로운 개념과 상호작용할 때 반복, 대조, 일반화, 변이의 4단계 과정을 거친다.

많은 연구 논문이 한 이론의 부분적 요소를 포함했지만 이것은 우연에 의한 것일 가능성이 가장 높다고 Booth는 말한다. 연구자들이 연구 초기에 이러한 이론을 참고했다면 더 효과적인 실험을 설계할 수 있었을 것이다.

예를 들어, 인간에게 로봇과 상호 작용하도록 가르칠 때 연구자들은 종종 로봇이 동일한 작업을 수행하는 많은 예를 보여준다. 그러나 사람들이 그 로봇의 정확한 멘탈 모델을 구축하기 위해서는 다양한 환경에서 로봇이 작업을 수행하는 일련의 예를 볼 필요가 있고 실수를 하는 것도 볼 필요가 있다고 제안한다.

부스는 "인간-로봇 상호작용 문헌에서는 반직관적이기 때문에 매우 드물지만 로봇이 아닌 것을 이해하려면 부정적인 예도 볼 필요가 있다"고 말했다.

이러한 인지 과학 이론은 물리적 로봇설계를 개선할 수도 있다. 로봇 팔이 사람 팔과 비슷하지만 사람의 움직임과 다른 방식으로 움직이는 경우 사람들은 로봇의 정확한 멘탈 모델을 구축하는 데 어려움을 겪을 것이라고 부스는 설명한다. 유추적 전달 이론에서 제안하는 것처럼 사람들은 자신이 알고 있는 것(인간의 팔)을 로봇 팔에 매핑하기 때문에 움직임이 일치하지 않으면 사람들이 혼란스러워하고 로봇과 상호 작용하는 방법을 배우는 데 어려움을 겪을 수 있다.

설명 향상
Booth와 그녀의 협력자들은 또한 인간 개념 학습 이론이 사람들이 익숙하지 않은 새로운 로봇에 대한 신뢰를 구축하는 데 도움이 되는 설명을 개선할 수 있는 방법을 연구했다.

"설명 가능성에서 우리는 확증 편향이라는 정말 큰 문제가 있다. 일반적으로 설명이 무엇인지, 사람이 어떻게 사용해야 하는지에 대한 표준이 없다. 연구자로서 우리는 종종 설명 방법을 설계하고, 우리에게 좋게 보이고, 우리는 배송해"라고 그녀는 말한다.

대신 그들은 연구자들이 인간 개념 학습의 이론을 사용하여 사람들이 설명을 사용하는 방법에 대해 생각하도록 제안한다. 설명은 로봇이 의사 결정에 사용하는 정책을 명확하게 전달하기 위해 종종 생성된다. 사용자가 설명 방법의 의미와 사용 시기를 이해하는 데 도움이 되는 커리큘럼을 제공하고 적용되지 않는 경우에도 로봇의 행동에 대한 더 강한 이해를 개발할 수 있다고 Booth는 말한다.

분석을 기반으로 인간 로봇 교육에 대한 연구를 개선할 수 있는 방법에 대해 여러 가지 권장 사항을 제시한다. 첫째, 그들은 연구자들이 사람들이 새로운 로봇으로 작업하는 법을 배울 때 적절한 비교를 하도록 안내함으로써 유추적 전달 이론을 통합할 것을 제안한다. 안내를 제공하면 사람들이 적절한 비유를 사용하여 로봇의 동작에 놀라거나 혼동하지 않도록 할 수 있다고 Booth는 말한다.

그들은 또한 로봇 행동의 긍정적이고 부정적인 예를 포함하고 로봇의 "정책"에 있는 매개변수의 전략적 변형이 궁극적으로 전략적으로 다양한 환경에서 로봇의 행동에 어떻게 영향을 미치는지 알고싶어한다. 로봇이 사용자에게 노출되면 인간이 더 빠르고 더 잘 학습하는 데 도움이 될 수 있다고 제안한다. 로봇의 정책은 로봇이 취할 수 있는 각 행동에 확률을 할당하는 수학적 함수이다.

"우리는 수년간 사용자 연구를 진행해 왔지만 인간에게 무엇을 보여주고 도움이 되지 않는지에 대해 우리 자신의 직관면에서 엉덩이에서 쏘고 있다. 다음 단계는 더 엄격한 것이 될 것입니다. 이 연구를 인간 인지 이론에 근거하는 것에 대해 Glassman은 말한다.

이제 인지 과학 이론을 사용한 초기 문헌 검토가 완료되었으므로 Booth는 자신이 연구한 일부 실험을 재구성하고 이론이 실제로 인간 학습을 개선하는지 확인하여 권장 사항을 테스트할 계획이다.