面向机器人响应人类行为的自反思风险感知人工认知建模

为了使协作机器人（“co-robots”）在人机协作中准确高效地响应人类行为，对人类动作的理解、对新情况的感知以及恰当的决策都是协作机器人的关键能力。为此，人类行为应由协作机器人以与人类同伴相同的方式进行解读。为解决此问题，引入了一种新颖的可解释性指标，以使机器人动作适应当前人类行为。此外，在实际应用中，几乎不可能完全考虑机器人环境的所有潜在情况，这使得协作机器人在新场景中难以恰当且安全地行动。即便预训练模型在已知情况下高度准确，也是如此。为了与人类进行有效且安全的协作，我们引入了一种新的泛化性指标，使协作机器人能够自我反思并推理何时观测超出其已学习模型的范围。基于主题建模和这两个新颖指标，我们提出了一种新的自反思风险感知人工认知（SRAC）模型。协作机器人能够考虑动作风险并识别新情况，从而做出更好的决策。基于真实世界数据集和物理机器人的实验表明，我们的SRAC模型显著优于传统方法，并能够实现针对人类活动的更好决策。