Mens-Robot Interactie (MRI)

Mens-Robot Interactie (MRI) is een onderzoeksgebied dat al een aantal jaren veel aandacht krijgt. Het is dan ook een relevant onderwerp in zowel academische gemeenschappen, overheidslaboratoria, technologische bedrijven, als in de media (Goodrich & Schultz, 2007). In veel applicaties en contexten moeten (sociale) robots samenwerken en interageren met mensen of andere robots. Hiervoor zijn sociale en interactieve vaardigheden vereist (Dautenhahn, 2007). In wat volgt wordt er een definitie voor MRI gesuggereerd. Vervolgens wordt MRI-onderzoek opgedeeld in 3 categorieën, dit in overeenstemming met het onderzoek van Dautenhahn (2007).

2.4.2.1 Definitie

Zoals reeds vermeld is MRI een studiegebied waarbij een stijgende interesse bij onderzoekers waar te nemen is. Dit resulteerde in een aantal definities die zowel raakvlakken als verschilpunten bevatten. Zo definieert Dautenhahn (2007) MRI als volgt: “een interdisciplinair gebied, op de kruising van robotica,

engineering, computerwetenschappen, psychologie, taalkunde, ethologie en andere disciplines, waarbij sociaal gedrag, communicatie en intelligentie bij zowel natuurlijke als intelligente systemen worden onderzocht”. Goodrich & Schultz (2007) daarentegen introduceerden de volgende definitie: “een studiegebied dat zich focust op het begrijpen, ontwerpen en evalueren van robotsystemen voor gebruik door of met mensen”. “De studie van mensen, robots en de manier waarop ze elkaar beïnvloeden” is de definitie

die gehanteerd wordt in het onderzoek van Fong et al. (2003).

Op basis van deze raakvlakken en de doeleinden van dit onderzoek, wordt de volgende definitie gesuggereerd:

“Een interdisciplinair gebied, waarbij de interactie tussen mens en robot centraal staat, en de manier

waarop deze interactie invloed heeft op zowel de robot als de mens.”

Deze definitie bevat twee cruciale begrippen:

1. Interdisciplinair: Zoals de definitie van Dautenhahn (2007) accentueert, is MRI een interdisciplinair gebied. Dit houdt in dat onderzoek in dit gebied heel wat invalshoeken kan aannemen.

2. Interactie: Interactie in deze definitie vereist communicatie. De vorm van communicatie kan variëren. Mogelijke vormen zijn:

a. Verbale communicatie: Spraak.

2.4.2.2 Robotgerichte MRI

De eerste categorie van MRI volgens Dautenhahn (2007) is de robotgerichte MRI. Hierin wordt de robot aanschouwd als een autonome entiteit dat zijn eigen doelen nastreeft, gebaseerd op zijn eigen motivaties, drijfveren en emoties. De robot zal hier interageren met mensen voor de vervulling van zijn eigen ‘noden’. Deze noden zijn natuurlijk wel geïdentificeerd door de ontwerper van de robot in kwestie. Vaardigheden die het mogelijk maken voor de robot om te overleven in zijn omgeving of zijn interne noden vervullen, staan centraal in deze onderzoeken. Een voorbeeld van een onderzoeksonderwerp binnen deze categorie is de ontwikkeling van sensomotorische controle of het modellen en architecturen van emotie en motivatie die interactie met de (sociale) omgeving regelen.

Zo beschrijft het onderzoek van Bartneck & Forlizzi (2004) een ontwerpgericht raamwerk voor sociale mens-robot interactie. Dergelijke ontwerpgerichte benadering focust zich op de totale expressie van het product. Zowel hoe de robot eruit ziet, als de hele ervaring van interactie met de robot is van belang. Het raamwerk van Bartneck & Forlizzi (2004) bevat daarom eigenschappen zoals voorkomen, modaliteiten, sociale normen, autonomie en interactiviteit. Daarnaast trachtte Breazeal (2004) te onderzoeken hoe sociale robots te ontwerpen en evalueren vanuit een MRI-perspectief. Volgens Breazeal (2004) is het belangrijk om in te zien dat robot en mens deel uitmaken van een systeem. Daarom is het cruciaal om rekening te houden met het standpunt van de robot. Om te overleven in deze wereld heeft de mensheid sociale en emotionele intelligentie ontwikkeld. Als de sociale robot hetzelfde wil bereiken, zal deze ook moeten worden voorzien van socio-emotionele intelligentie (Breazeal, 2004). McColl et al. (2015) bevestigden dit. Volgens hen moeten robots sociaal intelligent zijn voor een effectieve mens-robot interactie. Dit zou het voor de robot namelijk mogelijk maken om mensen te kunnen begrijpen, alsook om te communiceren met en informatie te delen aan een menselijke partner. Ook volgens Tapus, Maja, & Scassellatti (2007) speelt sociaal gedrag een fundamentele rol in de assistentie van mensen. Sleutelelementen voor een robot om een goede relatie op te kunnen bouwen met mensen zijn belichaming, persoonlijkheid, empathisch vermogen, betrokkenheid, aanpassingsvermogen en overdraagbaarheid (bijvoorbeeld gedrag dat een kind met een autismestoornis vertoont bij een robot, toepast bij menselijke partners). Meer algemeen kan er gesteld worden dat sociale robots rekening moeten houden met de affectieve toestand van de persoon in kwestie. Daarom is een affectie-detectiesysteem noodzakelijk. Deze focussen zich voornamelijk op gezichtsexpressie, lichaamstaal, stem en fysiologische signalen (McColl et al., 2015).

2.4.2.3 Mensgerichte MRI

Dit onderzoeksgebied houdt zich voornamelijk bezig met hoe een robot zijn taken kan vervullen op een manier die acceptabel en comfortabel is voor de mens. Dergelijke studies onderzoeken hoe mensen reageren op het voorkomen van robots en/of diens gedragingen, onafhankelijk van de architectuur of de cognitieve processen die zich binnenin de robot voordoen. Volgende uitdagingen zijn aan dergelijk onderzoek onderhevig: de ontwikkeling van gebalanceerde en consistente ontwerpen van robotgedrag en -voorkomen,

de ontwikkeling van nieuwe methodes en methodologieën voor MRI-studies en de identificatie van de noden van zowel individuen als groepen waaraan een robot zich zou moeten kunnen aan aanpassen en op reageren.

Een belangrijk element in mensgerichte MRI is vertrouwen. Vertrouwen heeft namelijk een directe impact op de acceptatie van de robots (Hancock et al., 2011). Volgens dit onderzoek hebben robotkenmerken een grote invloed op het vertrouwen.

Een voorbeeld hiervan is ‘proxemics’. Dit is de studie naar ruimtelijke afstanden die individuen aanhouden in verschillende sociale en interpersoonlijke situaties (Rios-Martinez, Spalanzani, & Laugier, 2014). Mumm & Mutlu (2011) onderzochten welke van de vier belangrijkste modellen van interpersoonlijke afstandshouding het beste mens-robot proxemics verklaart. Zo bestudeerden ze of aanpassingen aan de sympathie en het blikgedrag van een robot een invloed hebben op de fysieke afstand die de participant van de robot houdt. Daarnaast onderzochten ze of dit er toe leidt dat het individu persoonlijke informatie al dan niet deelt met de robot. Ze besluiten dat participanten die de robot niet graag hebben, de toename van de blik compenseerden door een grotere fysieke afstand te houden. Deelnemers die de robot wel apprecieerden, vertoonden dit gedrag niet. Uit het onderzoek kon ook afgeleid worden dat participanten die de robot niet leuk vonden, minder persoonlijke informatie deelden.

Naast sociaal blikgedrag, zoals bedoeld in het onderzoek van Mumm & Mutlu (2011), is ook referentieel blikgedrag van belang (Mehlmann et al., 2014). Dit houdt in dat de robot met zijn ogen aanduidt over wat hij bezig is. Volgens Mehlmann et al. (2014) worden referentiële blikken geassocieerd met een positieve gebruiksmodellering van de robot. Participanten vonden dat dialogen met de robot vlotter verliepen, en dat de robot natuurlijker, geïnteresseerder en begripvoller over kwam.

Dit is maar een fractie van de studies die omtrent mensgerichte MRI zijn gevoerd. Deze sectie trachtte dan ook een schets te creëren over wat deze studies handelen.

2.4.2.4 Robot cognitiegerichte MRI

Hier worden robots als intelligente systemen beschouwd. Deze intelligentie wordt (vaak) verkregen aan de hand van artificiële intelligentie. Dit houdt in dat de robot zelf beslissingen kan maken en problemen kan oplossen tijdens de uitvoering van zijn taak. De ontwikkeling van cognitieve robotarchitecturen, machinaal leren en probleemoplossend denken staan centraal bij onderzoeksvragen specifiek aan dit onderzoeksgebied.

Lemaignan et al. (2017) ontwikkelden een dergelijke cognitieve (robot)architectuur. Ze presenteren een coherent en consistent systeem voor sociale mens-robot interactie. Het integratiemodel ondersteunt onder andere gedistribueerde berekeningen van symbolische kennis en biedt generieke mechanismen aan waarmee de robot kan redeneren over de mentale toestand van zijn menselijke partners.

Een toepassing van machinaal leren bij sociale robots werd dan weer onderzocht door Chao, Cakmak, & Thomaz (2010). Zij gingen na of het mogelijk is om robots op een actieve manier te laten leren. Volgens hen is actief leren een transparante benadering van machinaal leren. Er werd een manier ontwikkeld waarbij

de nodige taakvereisten en vaardigheden aan de robot kunnen worden aangeleerd door de gebruiker zelf. Dit wordt ook wel Socially Guided Machine Learning (SG-ML) genoemd. Meer specifiek gaat deze studie in op hoe een robot zijn eigen leeromgeving kan verbeteren op basis van transparantie. Transparantie wijst hier op de communicatie van de interne toestand van de robot met de menselijke leraar. De resultaten van het onderzoek van Chao, Cakmak, & Thomaz (2010) tonen aan dat wanneer deze onzekerheidsgebieden geïdentificeerd kunnen worden door de leraar, ze relatief snel een model perfect kunnen trainen. Toch bleek deze werkwijze niet ideaal vanuit het standpunt van de leraar. Deze wou namelijk meer controle over het leerproces, wat deels wordt afgestaan aan de robot in dit experiment.

Om af te sluiten is een cognitieve architectuur een verzameling van rekenkundige modellen die samenwerken, om op deze manier menselijke intelligentie na te bootsen (Trafton et al., 2013). Volgens Trafton et al. (2013) is het voor MRI uitermate belangrijk dat een robot begrijpt wat zijn menselijk teamlid goed doet, maar evenzeer wat hij/zij fout doet. Om hieraan tegemoet te komen werd de ACT-R/E (Adaptive

Character of Thought-Rational / Embodied) architectuur ontwikkeld. Trafton et al. (2013) zijn ervan

overtuigd dat een robot uitgerust kan worden met de functionaliteit om menselijk gedrag te begrijpen, ongeacht of dit gedrag goed of fout is. Deze informatie kan de robot vervolgens gebruiken om gepast te handelen. Het onderzoek toont aan dat dergelijke samenwerking er toe leidt dat mensen over het algemeen minder fouten maken.

Zoals aangetoond focust MRI zich op de ontwikkeling van robots die veel voorkomende menselijke communicatiesignalen kunnen detecteren en uiten met het oog op een meer natuurlijke interactie. De gemoedstoestand van een persoon is namelijk een complexe combinatie van emoties, humeur, interpersoonlijke standpunten, attitudes en karaktertrekken die het gedrag van het individu in kwestie beïnvloedt. Een robot die in staat is om deze gemoedstoestand te interpreteren, heeft de mogelijkheid om zelf beslissingen te nemen en mensen te ondersteunen op basis van deze toestand. Emoties zijn zoals vermeld een onderdeel van deze gemoedstoestand. Het volgende hoofdstuk gaat hier verder op in.