Dalle scienze cognitive, un possibile metodo di insegnamento-apprendimento affinché l’essere umano - nei luoghi di lavoro, nei luoghi di cura o in ambito domestico - possa interagire e collaborare in modo sempre più efficace con i robot.
TAKEAWAY
- Riuscire a prevedere (perché li si sa riconoscere) i comportamenti dei robot, i loro movimenti all’interno di un determinato spazio, è tra le abilità più complesse da acquisire da parte dell’essere umano nell’ambito dell’interazione con le macchine.
- Uno studio del Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT tenta un nuovo approccio, ricorrendo ad alcune teorie cognitiviste sull’apprendimento umano, tra cui l’Analogical Transfer Theory e la Variation Theory of Learning.
- Secondo la prima teoria, l’interazione con un robot che, ad esempio, si muove su ruote potrebbe essere agevolata dal compiere un’analogia con le comuni automobili, oggetti percepiti dagli utenti come più familiari. In base alla seconda teoria, invece, più è ricca la varietà di modelli forniti sui movimenti dei robot, più l’essere umano è in grado di costruirsi una mappa mentale coerente circa i loro comportamenti.
Comprendere in profondità le dinamiche dell’interazione uomo-robot non è, oggi, pura speculazione intellettuale, bensì un’esigenza dettata dal costante aumento, a livello globale – nei luoghi di lavoro, nei luoghi di cura, in ambito domestico e in situazioni di soccorso – dei robot, sia antropomorfi che umanoidi, con i quali in futuro saremo sempre più chiamati a collaborare. Bisogna essere preparati, pronti a un rapporto proficuo con loro. Anche perché, per quanto concerne, nello specifico, i robot antropomorfi e i robot Scara, i dati SIRI (Associazione Italiana di Robotica e Automazione) inerenti al 2021 ci parlano di un aumento degli ordini pari al 50,3% sull’anno precedente. E relativamente alle nuove applicazioni dei robot umanoidi, basti ricordare il progetto in corso dell’Istituto Italiano di Tecnologia, che vede il suo iCub impegnato in nuove operazioni, tra cui quelle in volo per interventi in caso di disastri naturali. Un altro esempio è quello di RoBee (sviluppato da Oversonic), robot umanoide oggetto di sperimentazioni all’interno di siti produttivi per compiti in collaborazione con i lavoratori e, più recentemente, nella realtà ospedaliera come supporto alla neuroriabilitazione dei pazienti con problematiche neurologiche [per approfondimenti, consigliamo la lettura della nostra guida alla robotica che spiega cos’è, come funziona e quali sono gli ambiti di applicazione – ndr].
Uno degli aspetti da sempre considerati più critici dell’interazione uomo-robot riguarda la difficoltà, da parte del primo, nel comprendere e nel prevedere i comportamenti del secondo, la sua mobilità nello spazio.In quanto si tratta di una mobilità completamente diversa da quella dell’essere umano, anche il fatto di imparare a prevederla è problematico, specie per quanto concerne quei cambiamenti impercettibili dei movimenti.
Uno studio a cura dell’Interactive Robotics Group del Computer Science and Artificial Intelligence Laboratory (CSAIL) del Massachusetts Institute of Technology (MIT), in collaborazione con la School of Engineering and Applied Sciencesdell’Università di Harvard – descritto nel paper dal titolo “Revisiting Human-Robot Teaching and Learning Through the Lens of Human Concept Learning” – si propone di indagare l’asse insegnamento-apprendimento all’interno della relazione uomo-robot, attingendo da alcune teorie che fanno capo alle scienze cognitive.
L’interazione uomo-robot vista attraverso la lente delle teorie sull’apprendimento
Consideriamo, innanzitutto, una domanda: come viene percepito il robot da parte dell’essere umano? È dalla riposta a questa domanda che ha origine il seme dell’interazione tra i due. E per spiegare il ragionamento che vi è alla base, gli autori ricorrono alla considerazione secondo la quale le versioni sempre più evolute del braccio robotico lo rendono molto simile, per forma e funzionalità, a un braccio umano. Ma il fatto che esso si muova in modo del tutto differente rispetto al braccio umano, lo fa percepire come qualcosa di estremamente estraneo e di cui si fa fatica a costruire una mappa mentale, un modello coerente.
Proprio tale “non-corrispondenza” tra immagine esteriore e funzioni del robot (in cui ci si riconosce) da un lato e il suo comportamento (in cui non ci si riconosce) dall’altro, porterebbe – in linea con alcune teorie cognitiviste sull’apprendimento umano prese come modello concettuale dal team del MIT – ad avere difficoltà nell’apprendere a interagire con queste macchine. In particolare, la teoria dell’apprendimento definita “Analogical Transfer Theory” vuole «gli esseri umani apprendere per analogia. Quando interagiscono con un nuovo dominio o concetto, cercano implicitamente qualcosa di familiare che possano impiegare per comprendere la nuova entità». Teoria – questa – che spiega l’iniziale corrispondenza tra uomo e robot, poi interrottasi guardando ai suoi movimenti.
Cuore di questa teoria è il cosiddetto “allineamento strutturale”, utilizzato – fanno notare i ricercatori del MIT – «in molti schemi di insegnamento-apprendimento all’interno della relazione uomo-robot, di solito per supportare il rilevamento delle differenze tra i due». In precedenti lavori sul tema, in cui compare questo schema, si insiste sulla percezione delle differenze, senza considerare «come allineare al massimo tutte le informazioni nel loro insieme, in modo tale che l’essere umano sia nella posizione migliore per effettuare valutazioni complessive in merito al robot, prive di polarizzazioni». Questo è un suggerimento per il futuro, volto a supportare l’apprendimento fluido dell’interazione uomo-robot.
Sempre attinta dalle scienze cognitive, un’altra teoria dell’apprendimento – detta “Variation Theory of Learning” – dimostra che «presentare esempi strategicamente vari, migliora i risultati dell’apprendimento». In questo caso, l’esempio citato è quello degli studenti impegnati nella soluzione di problemi di geometria, per i quali lo sforzo minore e una migliore prestazione sono correlati a un’elevata molteplicità di esempi dello stesso problema, rispetto allo sforzo compiuto da coloro che, invece, studiano avvalendosi di esempi poco vari, ripetitivi. Una maggiore varietà ha, dunque, un impatto positivo sulla costruzione degli schemi mentali. E questo risulta valido anche nell’apprendimento dell’interazione con i robot, dove la presentazione di un’ampia varietà di esempi dei comportamenti di questi ultimi aiuterebbe gli utenti a comprenderli meglio. Un esempio pratico: affinché chi – in fabbrica, a casa o in ospedale – si trova a contatto con robot antropomorfi o umanoidi, possa costruire un modello mentale accurato di queste macchine, la Variation Theory of Learning «suggerisce che vengano mostrati più serie di esempi dei robot impegnati in attività diverse in ambienti diversi, tra cui vi siano anche esempi di robot che commettono errori». Quest’ultimo punto, in particolare, li rende – nella percezione che l’uomo ha di loro – più simili all’umano, favorendo così l’interazione e la collaborazione. Nel paper si legge:
«L’utilizzo strutturato della varietà di esempi prescritto dalla Variation Theory of Learning è un territorio inesplorato nei sistemi di insegnamento-apprendimento nell’ambito dell’interazione uomo-robot, ma offre una potenziale soluzione a questa sfida e può ulteriormente elevare la capacità umana di comprendere le macchine»
L’applicazione delle teorie delle scienze cognitive alla comprensione dei comportamenti dei robot
In tema di interazione uomo-robot, si prenda in considerazione lo scenario all’interno di una fabbrica o di un magazzino, in cui operai e robot sono chiamati a collaborare nell’esecuzione di dati compiti. Che cosa accade ai due protagonisti?
«I robot si fermano ogni volta che un lavoratore entra all’interno di uno spazio di lavoro condiviso. Per una collaborazione di successo, il lavoratore dovrebbe conoscere tale comportamento, imparare che cosa fare di fronte ad esso e comprendere l’area di lavoro dei robot, al fine di contribuire a ottimizzare i tempi della loro attività»
spiegano i ricercatori. Tuttavia, un approccio che potremmo definire limitato mostra all’operaio soltanto uno spazio di lavoro del robot e un solo esempio dei suoi movimenti. Prendendo, invece, spunto dalla Variation Theory of Learning appena descritta, dando più posizionamenti e più movimenti dei robot, l’utente è in grado di costruirsi una mappa mentale, un modello concettuale più coerente, puntuale ed efficace della loro area di lavoro e dei loro comportamenti all’interno di essa.
Il fatto di poter contare su una mappa mentale di questi tipo, si traduce – in chi si trova a dovere interagire e a collaborare con le macchine – in un maggior senso di sicurezza, potendo “predire” come si muoverà il robot ed evitare di interferire con la sua pianificazione dei movimenti.
In altre applicazioni di robotica, «il robot potrebbe avere interazioni frequenti con utenti non esperti, come accade, ad esempio, ai robot di consegna quando si trovano a navigare insieme ai pedoni. In tali applicazioni, in particolare quando gli esseri umani hanno solo brevi incontri con i robot, viene in aiuto l’Analogical Transfer Theory». In che modo?
Gli autori dello studio, nel caso specifico dei robot di consegna, pongono il focus sulle loro ruote omnidirezionali, di fronte alle quali l’utente prova disagio in quanto i loro movimenti sono difficili da prevedere. Ecco che un modo per applicare l’Analogical Transfer Theory sta nel progettare e nel costruire robot di consegna che sfruttino le analogie fisiche tra le loro ruote omnidirezionali e l’automobile. Col risultato che «se il robot in questione assomiglia a un’auto, gli utenti che interagiscono con lui sarebbero in grado di anticiparne i movimenti, come fanno abitualmente in presenza delle automobili».
Interazione uomo-robot: come realizzarla e implementarla
Dunque, come poter intervenire concretamente per agevolare l’interazione uomo-robot, in modo che i due attori giungano a una collaborazione sempre più proficua in quei contesti che li vedono in contatto? A tale proposito, il lavoro dell’Interactive Robotics Group del Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT, guardando alle teorie dell’apprendimento proprie delle scienze cognitive, conclude con una serie di linee guida, suggerendo, in prima istanza – a chi si occupa di addestrare le persone a comprendere i comportamenti dei robot – di servirsi dei contenuti dell’Analogical Transfer Theory, utili a insegnare a fare analogie appropriate nel rapportarsi alla macchina, in modo che non vi sia disagio, né confusione di fronte alle sue azioni.
Inoltre, il fatto di includere nell’addestramento esempi sia positivi che negativi dei comportamenti dei robot, guida gli utenti a divenire consapevoli di come «le variazioni dei parametri della “politica” dei robot influenzino il loro stesso modo di agire».
Negli obiettivi degli autori della ricerca vi è, infine, l’intenzione di testare le teorie alle quali si è accennato, ricostruendo il set di alcuni degli esperimenti che hanno studiato, con l’obiettivo di verificare sul campo se questi davvero hanno il merito di portare miglioramenti significativi nel modo in cui l’essere umano impara a rapportarsi ai robot, comprendendone i comportamenti al punto da riuscire ad anticiparli e a rispondervi di conseguenza.