Los científicos que estudian la interacción humano-robot a menudo se enfocan en comprender las intenciones humanas desde la perspectiva de un robot, para que el robot aprenda a cooperar con las personas de manera más efectiva. Pero la interacción humano-robot es una calle de doble sentido, y el humano también necesita aprender cómo se comporta el robot.

Gracias a décadas de investigación en ciencia cognitiva y psicología educativa, los científicos tienen un buen manejo de cómo los humanos aprenden nuevos conceptos. Por lo tanto, los investigadores del MIT y la Universidad de Harvard colaboraron para aplicar teorías bien establecidas sobre el aprendizaje de conceptos humanos a los desafíos de la interacción entre humanos y robots.

Examinaron estudios anteriores que se centraron en humanos que intentaban enseñar a los robots nuevos comportamientos. Los investigadores identificaron oportunidades en las que estos estudios podrían haber incorporado elementos de dos teorías complementarias de la ciencia cognitiva en sus metodologías. Usaron ejemplos de estos trabajos para mostrar cómo las teorías pueden ayudar a los humanos a formar modelos conceptuales de robots de manera más rápida, precisa y flexible, lo que podría mejorar su comprensión del comportamiento de un robot.

Los humanos que construyen modelos mentales más precisos de un robot a menudo son mejores colaboradores, lo que es especialmente importante cuando los humanos y los robots trabajan juntos en situaciones de alto riesgo como la fabricación y la atención médica, dice Serena Booth, estudiante graduada en el Grupo de Robótica Interactiva de la Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) y autor principal del artículo.

"Ya sea que tratemos de ayudar a las personas a construir modelos conceptuales de robots o no, ellos los construirán de todos modos. Y esos modelos conceptuales podrían estar equivocados. Esto puede poner a las personas en grave peligro. Es importante que usemos todo lo que podamos para darle a esa persona el mejor modelo mental que pueden construir", dice Booth.

Booth y su asesora, Julie Shah, profesora de aeronáutica y astronáutica del MIT y directora del Grupo de Robótica Interactiva, fueron coautoras de este artículo en colaboración con investigadores de Harvard. Elena Glassman '08, MNG '11, Ph.D. '16, profesor asistente de informática en la Escuela de Ingeniería y Ciencias Aplicadas John A. Paulson de Harvard, con experiencia en teorías de aprendizaje e interacción humano-computadora, fue el principal asesor del proyecto. Los coautores de Harvard también incluyen a la estudiante graduada Sanjana Sharma y la asistente de investigación Sarah Chung. La investigación se presentará en la Conferencia IEEE sobre interacción humano-robot.

Un enfoque teórico

Los investigadores analizaron 35 trabajos de investigación sobre la enseñanza de humanos y robots utilizando dos teorías clave. La "teoría de la transferencia analógica" sugiere que los humanos aprenden por analogía. Cuando un humano interactúa con un nuevo dominio o concepto, implícitamente busca algo familiar que pueda usar para comprender la nueva entidad.

La "teoría de la variación del aprendizaje" sostiene que la variación estratégica puede revelar conceptos que de otro modo podrían ser difíciles de discernir para una persona. Sugiere que los humanos pasan por un proceso de cuatro pasos cuando interactúan con un concepto nuevo:repetición, contraste, generalización y variación.

Si bien muchos trabajos de investigación incorporaron elementos parciales de una teoría, lo más probable es que esto se deba a la casualidad, dice Booth. Si los investigadores hubieran consultado estas teorías al comienzo de su trabajo, podrían haber diseñado experimentos más efectivos.

Por ejemplo, cuando se enseña a los humanos a interactuar con un robot, los investigadores a menudo muestran a las personas muchos ejemplos del robot realizando la misma tarea. Pero para que las personas construyan un modelo mental preciso de ese robot, la teoría de la variación sugiere que necesitan ver una serie de ejemplos del robot realizando la tarea en diferentes entornos, y también necesitan verlo cometer errores.

"Es muy raro en la literatura de interacción humano-robot porque es contradictorio, pero las personas también necesitan ver ejemplos negativos para comprender lo que el robot no es", dice Booth.

Estas teorías de la ciencia cognitiva también podrían mejorar el diseño de robots físicos. Si un brazo robótico se asemeja a un brazo humano pero se mueve de formas diferentes al movimiento humano, las personas tendrán dificultades para construir modelos mentales precisos del robot, explica Booth. Como sugiere la teoría de la transferencia analógica, debido a que las personas asignan lo que conocen (un brazo humano) al brazo robótico, si el movimiento no coincide, las personas pueden confundirse y tener dificultades para aprender a interactuar con el robot.

Explicaciones mejoradas

Booth y sus colaboradores también estudiaron cómo las teorías del aprendizaje de conceptos humanos podrían mejorar las explicaciones que buscan ayudar a las personas a generar confianza en robots nuevos y desconocidos.

"En la explicabilidad, tenemos un problema realmente grande de sesgo de confirmación. Por lo general, no existen estándares sobre qué es una explicación y cómo debe usarla una persona. Como investigadores, a menudo diseñamos un método de explicación, nos parece bien y envíalo", dice ella.

En cambio, sugieren que los investigadores usen teorías del aprendizaje de conceptos humanos para pensar cómo las personas usarán las explicaciones, que a menudo son generadas por robots para comunicar claramente las políticas que usan para tomar decisiones. Al proporcionar un plan de estudios que ayude al usuario a comprender qué significa un método de explicación y cuándo usarlo, pero también dónde no se aplica, desarrollará una comprensión más sólida del comportamiento de un robot, dice Booth.

Con base en su análisis, hacen una serie de recomendaciones sobre cómo se puede mejorar la investigación sobre la enseñanza de humanos y robots. Por un lado, sugieren que los investigadores incorporen la teoría de la transferencia analógica al guiar a las personas para que hagan comparaciones apropiadas cuando aprenden a trabajar con un nuevo robot. Brindar orientación puede garantizar que las personas usen analogías adecuadas para que no se sorprendan o confundan con las acciones del robot, dice Booth.

También sugieren que incluir ejemplos positivos y negativos del comportamiento de los robots y exponer a los usuarios a cómo las variaciones estratégicas de los parámetros en la "política" de un robot afectan su comportamiento, eventualmente en entornos estratégicamente variados, puede ayudar a los humanos a aprender mejor y más rápido. La política del robot es una función matemática que asigna probabilidades a cada acción que el robot puede realizar.

"Hemos estado realizando estudios de usuarios durante años, pero hemos estado disparando desde la cadera en términos de nuestra propia intuición en cuanto a lo que sería o no útil para mostrarle al humano. El siguiente paso sería ser más riguroso. sobre fundamentar este trabajo en teorías de la cognición humana", dice Glassman.

Ahora que esta revisión inicial de la literatura utilizando teorías de la ciencia cognitiva está completa, Booth planea probar sus recomendaciones al reconstruir algunos de los experimentos que estudió y ver si las teorías realmente mejoran el aprendizaje humano.