冲绳科学技术研究所的研究人员最近提出了一种神经机器人方法，可以帮助开发具有先进通信能力的机器人。他们的方法在预先公布在arXiv上的一篇论文中提出，它基于两个关键特征：随机神经动力学和预测误差最小化(PEM)。
“我们的研究主要集中在建立基于大脑关键原理的机器人，”进行这项研究的研究人员之一Jungsik Hwang告诉TechXplore。“在这项研究中，我们关注的是预测误差最小化(PEM)原理。主要思想是大脑是一种预测机器，当预测与观测结果不同时，预测一致并最小化预测误差。该理论已被广泛应用于解释认知行为的许多方面。在这项研究中，我们试图检验这一原则是否适用于社会情境。“
近年来，研究人员进行了大量研究，旨在人为地复制包括人类在内的许多动物的先天通信能力。虽然这些研究中的许多已取得了可喜的成果，但大多数现有解决方案并未实现人类可比的准确性
“对于具有通信能力的机器人来说，具有挑战性的任务之一就是认识到另一个观察行为背后的意图，”Hwang解释道。“解决这个问题的一个常用方法是将其视为一个分类任务。然后，目标是使用分类器获得给定观察(用户行为)的正确标签(用户意图)。这些天，这种分类器的流行选择是深度神经网络模型，如卷积神经网络(CNNs)和长期短期记忆(LSTM)。“
在他们的研究中，Hwang和他的同事提出了一种基于随机神经动力学和PEM来解决这个问题的不同方法。研究人员将他们的方法应用于两个名为ROBOTIS OP2的小型人形机器人，并在涉及人机器人和机器人 - 机器人相互作用的不同情况下对其进行了测试。
“使用我们的方法，机器人始终对与其交互的代理行为进行预测，”Hwang说。“当预测与他们的观察不同时，机器人会更新其信念，以便可以进行正确的预测(即最小化预测误差)。因此，在这种方法中，意图识别不是分类任务，而是涉及更新的主动过程“信念”能够理解最近发生的事情。在机器学习方面，这可以被视为一种在线学习。“
在使用类人机器人的初步评估中，研究人员发现，能够预测他人的行为并最大限度地减少预测误差在社交场合中发挥了关键作用。使用他们的方法，机器人能够模仿他们与之交互的代理人的行为; HRI(人机交互)设置中的人类用户和RRI(机器人 - 机器人交互)设置中的另一个机器人。另一方面，当他们的方法没有应用于机器人时，机器人与其他代理的交互以平凡的模式和重复的行为为标志。
“通过PEM机制，机器人不仅可以快速适应不断变化的环境，还可以预测将来会发生什么，”Hwang解释说。“因此，这种方法可以应用于其他环境智能服务，其中AI始终对用户进行预测并对其进行调整，甚至可以根据过去的观察结果主动提供建议。”
在未来，Hwang及其同事开发的方法可以为具有更好通信能力的机器人的开发提供信息。有趣的是，研究人员还观察到，当两个机器人使用他们的方法相互交互时，出现了一些新的和不寻常的通信模式，这表明他们的方法能够实现更高级的通信类型。
“在这种情况下，仍有许多有趣的研究方向可以探索，”黄说。“例如，我有兴趣进行手势图灵测试，其中用户与机器人交互，机器人可以由墙壁或AI后面的另一个人控制。如果无法确定谁在操作机器人，我们可以说机器人有与人交往的智慧?在这样的社交环境中，大脑的哪些原则对于说明人的形象至关重要?这些是我将来要探索的一些问题。