Phỏng vấn với Kate Candon: Tận dụng phản hồi rõ ràng và ngầm hiểu trong tương tác người-máy - Robohub

Trong cuộc phỏng vấn này, Kate Candon, một nghiên cứu sinh tiến sĩ tại Đại học Yale, thảo luận về nghiên cứu của cô về việc cải thiện tương tác giữa con người và robot bằng cách tận dụng cả phản hồi rõ ràng và ngầm định. Việc học của robot truyền thống thường dựa vào phản hồi rõ ràng, chẳng hạn như các tín hiệu đơn giản "làm tốt lắm" hoặc "làm chưa tốt" từ một người hướng dẫn không tham gia trực tiếp vào nhiệm vụ. Tuy nhiên, Candon nhấn mạnh rằng con người tự nhiên cung cấp một loạt các tín hiệu ngầm định—như biểu cảm khuôn mặt, cử chỉ, hoặc các hành động tinh tế như di chuyển một vật đi chỗ khác—mang lại thông tin quý giá mà không cần nỗ lực thêm. Nghiên cứu hiện tại của cô nhằm phát triển một khuôn khổ kết hợp các tín hiệu ngầm định này với phản hồi rõ ràng để giúp robot học hiệu quả hơn từ con người trong các môi trường tương tác tự nhiên. Candon giải thích rằng việc giải mã phản hồi ngầm định là thách thức do sự khác biệt giữa các cá nhân và văn hóa. Phương pháp ban đầu của cô tập trung vào phân tích hành động của con người trong một nhiệm vụ chung để suy luận các phản ứng phù hợp của robot, với kế hoạch tích hợp các tín hiệu thị giác như biểu cảm khuôn mặt và cử chỉ trong các nghiên cứu tương lai. Nghiên cứu được thử nghiệm trong bối cảnh làm pizza, được chọn vì...