人类与机器人互动时有多厌恶风险？
在拥挤的环境中，人们喜欢如何与机器人互动？机器人专家应该使用什么算法来编程机器人与人类互动？这些是加州大学圣地亚哥分校机械工程师和计算机科学家团队在最近于日本举行的 2024 年国际机器人与自动化会议(ICRA) 上发表的一项研究中试图回答的问题。
“据我们所知，这是第一项研究机器人如何推断人类对风险的感知，以便在日常环境中做出智能决策的研究，”这项研究的第一作者 Aamodh Suresh 说道，他在加州大学圣地亚哥分校机械与航空航天工程系 Sonia Martinez Diaz 教授的研究小组中获得博士学位。他现在是美国陆军研究实验室的博士后研究员。
“我们希望创建一个框架，帮助我们了解人类在与机器人互动时是否规避风险，”这项研究的第二作者安吉莉卡·泰勒 (Angelique Taylor) 说道，她在加州大学圣地亚哥分校计算机科学与工程系获得博士学位，在劳雷尔·里克 (Laurel Riek) 教授的研究小组工作。泰勒目前在纽约康奈尔科技大学任教。
该团队求助于行为经济学模型。但他们想知道该使用哪些模型。这项研究是在疫情期间进行的，因此研究人员必须设计一个在线实验来得到答案。
受试者（主要是 STEM 专业的本科生和研究生）玩了一个游戏，在游戏中他们扮演 Instacart 的购物者。他们可以从三条不同的路径中选择一条来到达杂货店的牛奶货架。每条路径可能需要 5 到 20 分钟。有些路径会让他们靠近 COVID 患者，其中包括一名重症患者。
这些路径还具有不同的被 COVID 患者咳嗽的风险等级。最短的路径使受试者接触最多的患者。但购物者因快速到达目的地而获得奖励。
研究人员惊讶地发现，人们在调查答案中始终低估了他们愿意冒险与感染 COVID-19 的购物者近距离接触的意愿。“如果有回报，人们不介意冒险，”Suresh 说。
因此，为了对机器人进行编程以使其与人类互动，研究人员决定依靠前景理论，这是丹尼尔·卡尼曼开发的一种行为经济学模型，丹尼尔·卡尼曼因其研究成果于 2002 年获得诺贝尔经济学奖。该理论认为，人们会相对于一个参考点来衡量损失和收益。
在这个框架下，人们对损失的感受比对收益的感受要多。例如，人们会选择赢 450 美元，而不是押注有 50% 的几率赢得 1100 美元的东西。因此，研究中的受试者专注于快速完成任务所获得的奖励，这是肯定的，而不是权衡感染 COVID 的潜在风险。
研究人员还询问人们他们希望机器人如何传达他们的意图。答案包括语音、手势和触摸屏。
接下来，研究人员希望对更加多样化的受试者群体进行面对面研究。
研究结果发表在arXiv预印本服务器上。
页:
[1]