面向人类教师的机器人非语言反馈

机器人可以从人类示范中学习偏好，但其成功取决于这些示范的信息量。不幸的是，具有信息量极具挑战性，因为在教学期间，人们通常无法透明地了解机器人已经知道或迄今已学到了什么。相比之下，人类学生自然会提供大量揭示其理解程度和参与度的非语言反馈。在这项工作中，我们研究机器人如何类似地提供最小干扰性的反馈，同时让人类教师更好地建立对机器人学习者的心智模型，从而使其能够更有效地教学。我们的想法是，在任何时刻，机器人可以指示其认为正确的下一步动作是什么，从而阐明其当前对人类偏好的估计。我们分析了该反馈的有用性，无论在理论上还是通过两项用户研究——一项使用测试反馈本身的虚拟角色，另一项使用以注视作为反馈机制的PR2机器人。我们发现反馈有助于提升教学质量以及教师对机器人能力的理解。