从学习到再学习：一种消解社交机器人导航偏见的框架

机器人与机器学习的指数级进步正推动机器人从受控工业空间走向在家庭和城市场景中执行新颖的日常任务。为使机器人的存在对人类安全且舒适，并促进其在公共环境中的接受度，它们常被赋予用于导航与交互的社会能力。社交合规的机器人导航正日益从人类观察或示范中学习。我们认为，这些通常旨在模仿人类行为的技术并不能保证公平行为。因此，社交导航模型可能复制、助长并放大诸如歧视与隔离等社会不公。在本工作中，我们研究了一种消解社交机器人导航模型中偏见的框架，使机器人具备依据物理与社会需求规划并调整路径的能力。我们提出的框架包含两部分：将社会语境纳入学习过程以考量安全与舒适的“学习”，以及在发生前检测并纠正潜在有害结果的“再学习”。我们通过不同社交交互场景下的三个多样案例研究提供了技术与社会分析。此外，我们提出了在社交环境中部署机器人的伦理影响及潜在解决方案。通过本研究，我们强调了公平的人机交互的重要性并倡导之，以促进更平等的社会关系、角色与动态，从而正向影响我们的社会。