人类有一种理解他人目标、欲望和信仰的方法，这是一项使我们能够预测人们行为的关键技能。从烤面包机里拿出面包?你需要一个盘子。扫树叶?我去拿绿色垃圾桶。

这种技能通常被称为“心智理论”，对我们人类来说很容易，但对机器人来说仍然具有挑战性。但是，如果机器人要成为制造业和日常生活中真正的协作助手，它们需要学习同样的能力。

在ACM / IEEE人机交互国际会议(HRI)的最佳论文中，南加州大学维特比计算机科学研究人员旨在教机器人如何在装配任务中预测人类的偏好，以便他们有一天可以在从建造卫星到设置桌子的所有事情上提供帮助。

“在与人合作时，机器人需要不断猜测这个人下一步会做什么，”主要作者Heramb Nemlekar说，他是南加州大学计算机科学博士生，在计算机科学助理教授Stefanos Nikolaidis的监督下工作。“例如，如果机器人认为这个人需要一把螺丝刀来组装下一个零件，它可以提前拿到螺丝刀，这样这个人就不必等待了。通过这种方式，机器人可以帮助人们更快地完成组装。

但是，正如任何与合作伙伴共同制造家具的人都可以证明的那样，预测一个人下一步会做什么是困难的：不同的人更喜欢以不同的方式制造相同的产品。虽然有些人想从最难解决的部分开始，但其他人可能想从最简单的部分开始以节省能源。

进行预测

Nemlekar说，目前的大多数技术都要求人们向机器人展示他们想要如何进行组装，但这需要时间和精力，并且可能会破坏目的。“想象一下，为了教机器人你的喜好，就必须组装一整架飞机，”他说。

然而，在这项新研究中，研究人员发现个人组装不同产品的方式有相似之处。例如，如果您在制作宜家沙发时从最难的部分开始，那么在组装婴儿床时可能会使用相同的策略。

因此，他们没有在复杂任务中“展示”机器人的偏好，而是创建了一个人们可以轻松快速地执行的小型装配任务(称为“规范”任务)。在这种情况下，将简单模型飞机的零件放在一起，例如机翼，尾翼和螺旋桨。

机器人使用放置在装配区域正上方的摄像头“观察”人类完成任务，向下看。为了检测人类操作的部件，系统使用了附着在部件上的AprilTags，类似于QR码。

然后，该系统使用机器学习根据一个人在规范任务中的动作顺序来学习一个人的偏好。

“根据一个人如何执行小型装配，机器人预测该人在大型装配中将做什么，”Nemlekar说。“例如，如果机器人看到一个人喜欢用最简单的零件开始小型装配，它将预测他们也会从大型装配中最简单的零件开始。

建立信任

在研究人员的用户研究中，他们的系统能够以大约82%的准确率预测人类将采取的行动。

“我们希望我们的研究能够让人们更容易向机器人展示他们喜欢的东西，”Nemlekar说。“通过以他们喜欢的方式帮助每个人，机器人可以减少他们的工作，节省时间，甚至与他们建立信任。

例如，假设您正在家里组装一件家具，但您不是特别方便并且难以完成任务。经过训练可以预测您的偏好的机器人可以提前为您提供必要的工具和零件，使组装过程更容易。

这项技术在工业环境中也很有用，在这些环境中，工人的任务是大规模组装产品，节省时间并降低受伤或事故的风险。此外，它可以帮助残疾人或行动不便的人更容易地组装产品并保持独立性。

快速学习偏好

研究人员说，目标不是取代工厂车间的人类。相反，他们希望这项研究能够显着提高人机混合工厂装配工人的安全性和生产力。“机器人可以执行目前由工人执行的非增值或人体工程学挑战性任务。

至于接下来的步骤，研究人员计划开发一种方法，为不同类型的装配任务自动设计规范任务。他们还旨在评估从短期任务中学习人类偏好的好处，并预测他们在不同情况下的复杂任务中的行为，例如，家庭中的个人援助。

“虽然我们观察到人类的偏好在装配制造中从规范任务转移到实际任务，但我预计在其他应用中也会有类似的发现，”Nikolaidis说。“一个可以快速了解我们偏好的机器人可以帮助我们准备饭菜，重新布置家具或进行房屋维修，对我们的日常生活产生重大影响。