机器人自主学习？新研究将人类排除在早期测试之外

该研究将在今年的IEEE机器人与自动化国际会议（ICRA）上发布，它引入了一种新的仿真方法，使研究人员无需人类参与者即可测试其社交机器人，从而加快研究速度并实现可扩展性。

研究团队利用人形机器人开发了动态扫描路径预测模型，以帮助机器人预测人类在社交场景中的视线落点。该模型使用两个公开数据集进行测试，研究人员证实人形机器人能够模拟类人眼球运动。

研究联合负责人、萨里大学认知神经科学讲师 Di Fu 博士表示：

"我们的方法无需人类实时监督，即可验证机器人是否像人类一样关注正确的事物。令人振奋的是，即使在嘈杂且不可预测的环境中，该模型仍能保持准确性，使其成为教育、医疗和客服等实际应用领域的前沿工具。"

社交机器人设计用于通过语音、手势和表情与人类互动，因此在教育、医疗和客户服务领域具有实用价值。典型代表包括零售助理机器人Pepper和面向痴呆症患者的治疗机器人Paro。

研究团队将模型在现实世界与仿真环境中的运作进行匹配，通过将人类注视优先级地图投影至屏幕，比对机器人预测的注意力焦点与现实数据。该方法实现了社会注意力模型在真实场景下的直接评估，减少了研究初期大规模人机交互实验的需求。

傅博士补充道：

"在社交机器人领域，采用机器人仿真替代早期人类试验是重大突破。这意味着我们能大规模测试并优化社交互动模型，使机器人更善于理解与响应人类行为。接下来，我们将把该方法应用于机器人具身化的社会意识等领域，并探索其在更复杂社交场景及不同类型机器人中的适用性。"