Guessing human intentions to avoid dangerous situations in caregiving robots
Cet article présente un algorithme en temps réel basé sur la Théorie de l'Esprit Artificielle et une politique « comme moi » qui permet aux robots de soins de déduire les intentions humaines, de détecter les dangers potentiels et de sélectionner des actions sûres pour éviter les situations dangereuses, tel que validé par des simulations et des expériences en conditions réelles.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez un monde où les machines ne se contentent pas de suivre des ordres, mais comprennent les plans tacites des personnes qui les entourent. C'est la frontière de la robotique sociale, un domaine dédié à la création de machines capables de naviguer dans les espaces humains avec la même conscience intuitive qu'un être humain. Au cœur de cette capacité se trouve le concept de « théorie de l'esprit », qui est simplement la capacité de deviner ce qu'un autre être pense ou compte faire ensuite. Si les humains font cela instinctivement, apprendre à un robot à faire de même nécessite qu'il construise un modèle mental du monde, exécute des simulations de ce qui pourrait arriver, puis choisisse une action qui garantit la sécurité de tous. Il ne s'agit pas pour le robot de ressentir des émotions, mais plutôt d'utiliser ses modèles informatiques internes pour prédire les conséquences futures des mouvements d'une personne et intervenir avant qu'un accident ne survienne.
Dans une étude récente, des chercheurs de l'Université d'Extremadura, en Espagne, ont exploré comment un robot d'assistance pouvait utiliser ce type de pensée prédictive pour prévenir des situations dangereuses. Ils se sont concentrés sur un type spécifique de robot conçu pour aider les gens, un robot qui doit être capable de détecter lorsqu'un humain est sur le point de percuter un obstacle qu'il ne peut pas voir. L'équipe a développé un système où le robot observe une personne, détermine où cette personne est susceptible d'aller, puis lance une simulation mentale rapide pour voir si ce chemin mène à un crash. Si le robot prédit une collision, il n'attend pas que la personne s'arrête ; il calcule immédiatement un mouvement qu'il peut effectuer pour bloquer le danger ou guider la personne pour l'éloigner, agissant ainsi comme un gardien silencieux.
Les chercheurs ont testé cette idée en utilisant un robot personnalisé nommé Shadow, qui se déplace sur quatre roues et est équipé de caméras et de capteurs laser pour voir son environnement. Dans leur configuration, le robot observe une personne qui traverse une pièce en direction d'un canapé. Sur le sol, directement sur le chemin de la personne, se trouve un petit objet, comme une balle ou un sac à dos, que la personne pourrait ne pas remarquer. Le rôle du robot est de réaliser que la personne a l'intention de marcher droit dans cet objet. Pour ce faire, le robot utilise une stratégie de type « comme moi ». Il suppose que la personne agira de la même manière que le robot le ferait s'il était dans cette situation : regarder un objet et se diriger vers lui. Le robot lance ensuite une simulation du trajet de la personne à l'intérieur de son propre ordinateur, utilisant un moteur physique pour prédire exactement comment la personne se déplacerait.
Lorsque la simulation montre que la personne va heurter l'objet, le robot sait qu'une situation dangereuse se développe. Il passe alors à une seconde phase de réflexion. Le robot se demande : « Que puis-je faire pour arrêter cela ? ». Il simule diverses actions, comme se déplacer lui-même vers un endroit spécifique de la pièce. Il vérifie si le fait de placer le robot à ce nouvel emplacement forcerait la personne à changer de trajectoire et à éviter l'obstacle. Si la simulation confirme que la nouvelle position du robot permettrait d'éviter la collision, le robot exécute ce mouvement dans le monde réel. Le but n'est pas d'empêcher la personne de marcher, mais d'altérer subtilement l'environnement pour que la personne dévie naturellement du danger sans même réaliser que le robot l'aide.
Pour vérifier si ce système fonctionnait, l'équipe a mené trois types de tests différents. Premièrement, ils ont utilisé une simulation informatique pour tester le scénario 180 fois avec différentes positions pour le robot, la personne et l'obstacle. Dans ces essais virtuels, le robot a identifié avec succès les situations à risque et a généré une action sûre dans la grande majorité des cas. Cependant, le système a produit un nombre significatif de faux positifs, ce qui signifie qu'il a parfois détecté à tort des situations risquées qui n'auraient pas posé de danger dans la réalité. Malgré cela, l'algorithme n'a jamais produit de faux négatifs, garantissant qu'aucune situation dangereuse ne soit laissée sans attention. Le robot prenait ses décisions en moins d'une seconde, une vitesse assez rapide pour réagir en temps réel.
Les chercheurs sont ensuite passés à des tests plus complexes impliquant de vraies personnes. Dans une expérience, des volontaires humains contrôlaient un avatar numérique dans la simulation, essayant de marcher vers un canapé alors qu'une balle cachée se trouvait sur leur chemin. Ils ne pouvaient pas voir la balle car leur vue était obstruée, mais lorsque le robot s'est interposé sur leur chemin pour bloquer la balle, les personnes ont instinctivement changé de direction pour éviter le robot et, ce faisant, ont évité l'obstacle caché. Dans un dernier test en conditions réelles, le robot physique Shadow a été placé dans une pièce avec cinq personnes différentes. Ces personnes ont été invitées à traverser la pièce tout en lisant un article, ignorant un sac à dos placé sur le sol sur leur passage. Pendant qu'elles marchaient, le robot a détecté leur intention de heurter le sac à dos. Il s'est positionné près du sac à dos et, dans chaque cas, la personne a remarqué le robot, a réagi avec surprise et a poursuivi son chemin vers la cible assignée, évitant ainsi l'obstacle avec succès.
L'étude suggère que cette approche consistant à utiliser des simulations internes pour deviner les intentions humaines est un moyen viable de rendre les robots plus sûrs et plus utiles dans les environnements humains. Le système s'est avéré assez robuste pour gérer l'imprévisibilité des personnes réelles, même lorsqu'elles étaient distraites ou inconscientes du danger. Toutefois, les chercheurs notent que pour que cette technologie fonctionne dans des espaces plus bondés ou complexes, le robot devra devenir plus rapide pour trier parmi de nombreuses actions et personnes possibles. Ils soulignent également qu'à mesure que les robots deviendront capables de prendre ce genre de décisions en une fraction de seconde, des questions sur la manière dont ils choisiront entre plusieurs personnes en danger devront être abordées. Pour l'instant, ce travail démontre qu'un robot peut réussir à utiliser une forme de simulation mentale pour anticiper les besoins humains et agir afin de prévenir les accidents avant qu'ils ne se produisent.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.