مدل سازی اعتماد ربات بر اساس احساسات ظهور در یک کار تعاملی

عنوان مدل سازی اعتماد ربات بر اساس احساسات ظهور در یک کار تعاملی
نویسنده Kırtay، M.، Öztop، Erhan، Asada، M.، Hafner، V.V.
تاریخ انتشار: 2021
محل انتشار - IEEE
موضوع احساسات، HRI، پاداش درونی، اعتماد، یادآوری بصری
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 978-172816242-3
شماره ثبت fffe9f6a-e105-40f0-b2a7-51df24c62fca
محل کتابخانه علوم کامپیوتر
تاریخ 2021
یادداشت‌ها انجمن تحقیقات آلمان
متن نمونه اعتماد یک مؤلفه اساسی در تعامل انسان-انسان و انسان-ربات است. عواملی که در این فعل و انفعالات نقش مهمی ایفا می کنند، موضوعی جذاب در رباتیک بوده است. با این حال، مطالعاتی که با هدف توسعه یک مدل محاسباتی اعتماد ربات در شرکای تعامل انجام می‌شوند، نسبتاً محدود هستند. در این مطالعه، ما مدل احساسات اضطراری خود را گسترش می‌دهیم تا پیشنهاد کنیم که اعتماد ربات به شریک تعامل (یعنی متولی) را می‌توان با تأثیر تعاملات بر بودجه انرژی محاسباتی ربات (یعنی اعتمادکننده) ایجاد کرد. برای دقیق بودن، نشان می‌دهیم که چگونه احساسات سطح بالا (به عنوان مثال، رفاه) یک عامل را می‌توان با هزینه محاسباتی پردازش ادراکی (مانند پردازش محرک بصری برای یادآوری بصری) در یک چارچوب تصمیم‌گیری مدل‌سازی کرد. برای تحقق این رویکرد، ما به ربات انسان‌نما Pepper دو ماژول اعطا می‌کنیم: یک حافظه خودکار که انرژی محاسباتی مورد نیاز را برای انجام یک یادآوری بصری استخراج می‌کند، و یک مکانیسم پاداش داخلی که یادگیری تقویتی بدون مدل را هدایت می‌کند تا رفتارهای آگاهانه از انرژی محاسباتی را ارائه دهد. با این تنظیمات، ربات با مربیان آنلاین با استراتژی‌های راهنما متفاوت، یعنی قابل اعتماد، کمتر قابل اعتماد و تصادفی تعامل دارد. از طریق تعامل با مربیان، ربات مقادیر پاداش تجمعی را بر اساس هزینه پردازش ادراکی برای ارزیابی مربیان و تعیین اینکه به کدام یک باید اعتماد کرد، مرتبط می کند. به طور کلی نتایج نشان می‌دهد که ربات می‌تواند استراتژی‌های راهنمایی مربیان را متمایز کند. علاوه بر این، در صورت انتخاب آزاد، ربات به ربات قابل اعتمادی اعتماد می کند که پاداش کل را افزایش می دهد - و بنابراین انرژی محاسباتی مورد نیاز (بار شناختی) را کاهش می دهد - برای انجام کار بعدی.
DOI 10.1109/ICDL49984.2021.9515645
مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات دانشگاه اوزیغین

مدل سازی اعتماد ربات بر اساس احساسات ظهور در یک کار تعاملی

نویسنده Kırtay، M.، Öztop، Erhan، Asada، M.، Hafner، V.V.
تاریخ انتشار 2021
محل انتشار - IEEE
موضوع احساسات، HRI، پاداش درونی، اعتماد، یادآوری بصری
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 978-172816242-3
شماره ثبت fffe9f6a-e105-40f0-b2a7-51df24c62fca
محل کتابخانه علوم کامپیوتر
تاریخ 2021
یادداشت‌ها انجمن تحقیقات آلمان
متن نمونه اعتماد یک مؤلفه اساسی در تعامل انسان-انسان و انسان-ربات است. عواملی که در این فعل و انفعالات نقش مهمی ایفا می کنند، موضوعی جذاب در رباتیک بوده است. با این حال، مطالعاتی که با هدف توسعه یک مدل محاسباتی اعتماد ربات در شرکای تعامل انجام می‌شوند، نسبتاً محدود هستند. در این مطالعه، ما مدل احساسات اضطراری خود را گسترش می‌دهیم تا پیشنهاد کنیم که اعتماد ربات به شریک تعامل (یعنی متولی) را می‌توان با تأثیر تعاملات بر بودجه انرژی محاسباتی ربات (یعنی اعتمادکننده) ایجاد کرد. برای دقیق بودن، نشان می‌دهیم که چگونه احساسات سطح بالا (به عنوان مثال، رفاه) یک عامل را می‌توان با هزینه محاسباتی پردازش ادراکی (مانند پردازش محرک بصری برای یادآوری بصری) در یک چارچوب تصمیم‌گیری مدل‌سازی کرد. برای تحقق این رویکرد، ما به ربات انسان‌نما Pepper دو ماژول اعطا می‌کنیم: یک حافظه خودکار که انرژی محاسباتی مورد نیاز را برای انجام یک یادآوری بصری استخراج می‌کند، و یک مکانیسم پاداش داخلی که یادگیری تقویتی بدون مدل را هدایت می‌کند تا رفتارهای آگاهانه از انرژی محاسباتی را ارائه دهد. با این تنظیمات، ربات با مربیان آنلاین با استراتژی‌های راهنما متفاوت، یعنی قابل اعتماد، کمتر قابل اعتماد و تصادفی تعامل دارد. از طریق تعامل با مربیان، ربات مقادیر پاداش تجمعی را بر اساس هزینه پردازش ادراکی برای ارزیابی مربیان و تعیین اینکه به کدام یک باید اعتماد کرد، مرتبط می کند. به طور کلی نتایج نشان می‌دهد که ربات می‌تواند استراتژی‌های راهنمایی مربیان را متمایز کند. علاوه بر این، در صورت انتخاب آزاد، ربات به ربات قابل اعتمادی اعتماد می کند که پاداش کل را افزایش می دهد - و بنابراین انرژی محاسباتی مورد نیاز (بار شناختی) را کاهش می دهد - برای انجام کار بعدی.
DOI 10.1109/ICDL49984.2021.9515645
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید