ملخص تقني: StARS – أفعال الروبوت الملائمة اجتماعياً عبر نهج مدفوع بنظام توصية

1. بيان المشكلة

إن الملاءمة الاجتماعية في التفاعل بين الإنسان والروبوت (HRI) ليست عالمية؛ فهي تظهر تبايناً كبيراً بين الأفراد. فالفعل الروبوتي نفسه في سياق متطابق قد يُنظر إليه على أنه مفيد من قبل مستخدم، بينما قد يُعتبر تطفلياً أو غير آمن من قبل آخر. تعتمد النهج الحالية غالباً على تقييمات بشرية مجمعة أو تمثيلات مشتركة للملاءمة، مما يؤدي إلى تسوية الاختلافات الجوهرية والفشل في التقاط المعايير الفردية للمستخدمين. هذا القصور يعيق نشر الروبوتات في البيئات القريبة (مثل المنازل، الرعاية الصحية) حيث يعد التخصيص أمراً ضرورياً.

يتمثل التحدي الجوهري الذي يتم معالجته في كيفية نمذجة وتوقع الأفعال الملائمة اجتماعياً بما يتماشى مع تفضيلات مستخدم محدد، لا سيما عندما تكون التغذية الراجعة للتفضيلات شحيحة ومكلفة في الجمع. يعيد المؤلفون صياغة توليد الأفعال الملائمة اجتماعياً كـ مشكلة نمذجة تفضيلات، مستلهمين من أنظمة التوصية (RS) لمعاملة المقيّمين كمستخدمين، والمشاهد كعناصر، ودرجات الملاءمة كأهداف.

2. المنهجية: إطار عمل StARS

يقترح المؤلفون إطار عمل Stars (الأفعال الروبوتية الملائمة اجتماعياً)، وهو إطار عمل مستقل عن النموذج يدمج التصفية التعاونية (Collaborative Filtering) مع تمثيلات المشهد القابلة للتعلم.

أ. صياغة المشكلة

بدلاً من التنبؤ بدرجة مجمعة $y_{i,a}$ للمشهد $i$ والفعل $a$، يتنبأ StARS بدرجة مخصصة $\hat{y}_{u,i,a}$ لمستخدم معين $u$. يتعلم النظام من مجموعة بيانات $D$ من التدوينات $(u, i, a, y_{u,i,a})$.

ب. البنية والمكونات

يعزز StARS مشفر المشهد التفاضلي $\phi_\theta$ بوحدة تصفية تعاونية قائمة على تحليل المصفوفات (Matrix Factorization) لتمثيل العناصر. دالة التنبؤ $f(u, i, x_i, a)$ تجمع بين:

1. العوامل الكامنة: تضمينات المستخدم المشتركة ($p_u$) وتضمينات المشهد المشتركة ($q_i$) التي يتم تعلمها عبر تحليل المصفوفات لالتقاط توجهات التقييم المنهجية.
2. تضمينات الأفعال: تضمينات خاصة بالأفعال ($r_a$) للتعامل مع الأفعال المرشحة المتعددة.
3. دمج المتبقي (Residual Fusion): للتخفيف من ندرة البيانات ودمج معلومات المحتوى، يدمج إطار العمل الإشارات التعاونية مع ميزات محتوى المشهد ($h_i = \phi_\theta(x_i)$):
   • دمج متبقي المشهد: يعمل تضمين المشهد الهجين $\bar{q}_i = q_i + h_i$ على إثراء تضمين العنصر التعاوني بميزات المحتوى (مثل التخطيط المكاني، وعلاقات الأشياء).
   • دمج متبقي التفاعل: يتضمن التنبؤ النهائي تفاعل المستخدم مع المشهد ($p_u \odot \bar{q}_i$) ويضيف ميزة المحتوى $h_i$ كحد متبقٍ. يوفر هذا "اختصاراً" للمحتوى مستقلاً عن المستخدم، مما يعمل على استقرار التنبؤات عندما تكون العوامل التعاونية ضعيفة التقدير (في حالة الندرة).

معادلة التنبؤ النهائية هي:
$$\hat{y}_{u,i,a} = \left( (p_u \odot \bar{q}_i) + h_i \right)^\top r_a + b_u + b_i + b$$
حيث تمثل حدود $b$ الإزاحات العالمية، والمستخدم، والمشهد.

ج. استراتيجية التدريب

يستخدم StARS بروتوكول تدريب من خطوتين:

1. التدريب المسبق لمشفر المشهد: يتم تدريب مشفر المشهد $\phi_\theta$ مسبقاً باستخدام رأس خطي مؤقت للتنبؤ بملاءمة الفعل من ميزات المشهد وحدها.
2. التحسين المشترك من البداية للنهاية: يتم تجميد المشفر المدرب مسبقاً (أو ضبطه بدقة) وتحسينه بشكل مشترك مع معاملات التصفية التعاونية ($p_u, q_i, r_a, b$) باستخدام هدف التنبؤ المخصص الكامل.

3. المساهمات الرئيسية

• إعادة صياغة التفاعل بين الإنسان والروبوت (HRI): يعيد البحث صياغة توليد الأفعال الملائمة اجتماعياً كمسألة تقدير تفضيلات باستخدام تقنيات أنظمة التوصية، مع نمذجة التباين بين المستخدمين بشكل صريح بدلاً من تجميعها.
• إطار عمل مستقل عن النموذج: تم تصميم StARS ليتم دمجه مع مختلف مشفرات المشاهد (مثل MLPs، Transformers، Graph Neural Networks) والأنظمة الأساسية دون الحاجة لإعادة تصميم النموذج الأساسي.
• المتانة تجاه ندرة التغذية الراجعة: يعالج الإطار تحديداً تحدي ندرة التغذية الراجعة للتفضيلات من خلال الاستفيد من التصفية التعاونية لاستنتاج أنماط خاصة بالمستخدم من بيانات محدودة.
• التحقق التجريبي: تم تقييم النهج على مجموعتي بيانات مختلفتين: MannersDB+ (أفعال المهام المنزلية) و SocNav1 (الملاحة المتوافقة اجتماعياً).

4. النتائج التجريبية

قيم المؤلفون StARS مقابل نماذج أساسية متنوعة (MLP, ResMLP, DCNv2, GraceAE, FT-Transformer لـ MannersDB+؛ و GCN, GIN, GraphSAGE, GGNN, RGCN, GAT لـ SocNav1) باستخدام التحقق المتقاطع خماسي الطيات.

• تحسن الأداء (RQ1): عبر جميع النماذج الأساسية ومجموعات البيانات، تفوق دمج مكون التصفية التعاونية (StARS) باستمرار على النماذج الأساسية.
  • في MannersDB+، أظهرت متغيرات StARS انخفاضات جوهرية في جذر متوسط مربع الخطأ (RMSE) (على سبيل المثال، من ~1.27 إلى ~1.13 لـ MLP) وزيادات كبيرة في معامل ارتباط بيرسون ($r$) ومعامل كونكوردانس لـ لين (CCC).
  • في SocNav1، حققت متغيرات StARS قيم أقل في MSE وارتباطات أعلى في مقاييس الارتباط عبر جميع بنيات الشبكات العصبية الرسومية (GNN).
• الاتساق والمنهجية (RQ2): أكد التحليل الإحصائي (اختبارات t المقترنة مع تصحيح Holm) أن التحسينات كانت منهجية ولم تكن مجرد نتاج طيات أو نماذج معينة. كانت المكاسب ذات دلالة إحصائية ($p < 0.05$) عبر جميع التكوينات المختبرة.
• المتانة تجاه الندرة (RQ3): أظهرت تجارب منحنى التعلم أن StARS يوفر مكاسب أداء كبيرة حتى مع وجود بيانات تدريب محدودة (أنظمة البيانات المنخفضة). تحسن الأداء بسرعة مع التدوينات المبكرة، مما يشير إلى أن الطريقة فعالة من حيث البيانات ومناسبة للسيناريوهات التي يكون فيها جمع التفضيلات الشخصية مكلفاً.

5. الأهمية والادعاءات

يزعم البحث أن StARS يثبت جدوى طرق أنظمة التوصية كنهج قابل للتوسع لاتخاذ القرارات المخصصة في مجال الروبوتات.

• التخصيص دون إعادة التصميم: يتيح الإطار اختيار أفعال خاصة بالمستخدم دون الحاجة لإعادة تصميم نظام الإدراك أو اتخاذ القرار الأساسي، مما يدعم سلوكاً أكثر تكيفاً في التفاعل بين الإنسان والروبوت في العالم الحقيقي.
• التباين المهيكل: تشير النتائج إلى أن التباين في أحكام الملاءمة الاجتماعية هو تباين مهيكل ويمكن التقاطه بفعالية من خلال نمذجة التفاعل بين المستخدم والمشهد، بدلاً من اعتباره ضوضاء عشوائية.
• كفاءة البيانات: يقدم النهج مساراً عملياً للتخصيص في مجال التفاعل بين الإنسان والروبوت حيث تكون البيانات شحيحة، مما يعني أن عدداً قليلاً من التفاعلات المبكرة يمكن أن يؤدي إلى تقديرات دقيقة لتفضيلات المستخدم.

يخلص المؤلفون إلى أنه بينما يركز StARS على الملاءمة الاجتماعية، فإن صياغة أنظمة التوصية يمكن أن تمتد إلى مهام أخرى في التفاعل بين الإنسان والروبوت التي تركز على التخصيص، مثل التجميع التعاوني أو المساعدة التكيفية، بشرط وجود آليات تغذية راجعة مناسبة.