机器人可以在大学校园里运送食物，在高尔夫球场上打一个洞，但即使是最精密的机器人也不能进行对人类日常生活至关重要的基本社交互动。

麻省理工学院的研究人员现在已经将某些社会互动纳入机器人框架，使机器能够理解相互帮助或阻碍意味着什么，并学会自己执行这些社会行为。在模拟环境中，机器人观察其同伴，猜测它想要完成的任务，然后根据自己的目标帮助或阻碍其他机器人。

研究人员还表明，他们的模型创造了现实和可预测的社会互动。当他们播放这些模拟机器人相互作用的视频时，人类观众大多同意这种模型关于什么样的社会行为正在发生。

使机器人能够展示社交技能，可以带来更顺畅、更积极的人与机器人互动。例如，辅助生活设施中的机器人可以利用这些能力帮助为老年人创造一个更关爱的环境。新模型还可能使科学家能够定量测量社会相互作用，这可以帮助心理学家研究自闭症或分析抗抑郁药的影响。

"机器人很快就会生活在我们的世界中，他们真的需要学习如何用人类的方式与我们交流。他们需要了解什么时候是他们提供帮助的时候，什么时候是他们看到他们能做些什么来防止事情发生的时候。这是非常早期的工作，我们几乎没有抓表面，但我觉得这是第一次非常认真的尝试，了解它意味着什么，人类和机器互动的社会，"鲍里斯卡茨说，主要研究科学家和InfoLab集团在计算机科学和人工智能实验室（CSAIL）和大脑中心的成员， 头脑和机器 （CBMM）。

与卡茨一起撰写论文的还有CSAIL的研究助理拉维·特伊瓦尼：共同作者郭燕玲，CSAIL博士生：舒天民，脑与认知科学系博士后：和高级作者安德烈·巴布，CSAIL和CBMM的研究科学家。这项研究将在11月的机器人学习会议上发表。

社交模拟

为了研究社会互动，研究人员创造了一个模拟环境，让机器人在二维网格周围移动时追求物理和社会目标。

物理目标与环境有关。例如，机器人的物理目标可能是在网格上的某个点导航到树上。一个社会目标包括猜测另一个机器人试图做什么，然后根据这个估计采取行动，比如帮助另一个机器人给树浇水。

研究人员使用他们的模型来具体说明机器人的物理目标是什么，它的社会目标是什么，以及它应该对一个目标给予多少重视。机器人因其所采取的行动而得到奖励，从而更接近于实现其目标。如果机器人试图帮助其同伴，它会调整其奖励，以匹配其他机器人的奖励：如果它试图阻碍， 它调整其奖励是相反的。规划师是一种决定机器人应该采取哪些行动的算法，它使用这种不断更新的奖励来指导机器人实现物理目标和社会目标的混合。

"我们为您如何模拟两个代理之间的社交互动打开了一个新的数学框架。如果你是一个机器人，你想去位置X，我是另一个机器人，我看到你试图去位置X，我可以合作，帮助你更快地到达位置X。这可能意味着将 X 移近您，找到另一个更好的 X，或者采取任何您在 X 时必须采取的任何行动。我们的配方允许计划发现"如何";我们具体说明"什么"在社会互动的数学意义，"Tejwani说。

将机器人的身体和社会目标混合在一起对于创建现实的互动非常重要，因为互相帮助的人类对它们能走多远有限制。例如，一个理性的人可能不只是把钱包交给陌生人，巴布说。

研究人员利用这个数学框架来定义三种类型的机器人。0级机器人只有物理目标，不能在社交上推理。一级机器人有物理和社会目标，但假设所有其他机器人只有物理目标。一级机器人可以根据其他机器人的物理目标采取行动，如帮助和阻碍。2级机器人假定其他机器人有社交和物理目标：这些机器人可以采取更复杂的行动，如加入，以帮助在一起。

评估模型

为了了解他们的模型与人类对社会互动的看法，他们创建了 98 个不同的场景，机器人位于 0 级、1 级和 2 级。12个人观看了196个机器人互动的视频片段，然后被要求估计这些机器人的身体和社会目标。

在大多数情况下，他们的模型都同意人类对每帧中发生的社会互动的看法。

"我们有这个长期的兴趣，既要为机器人构建计算模型，又要深入挖掘人类在这方面的方面。我们希望了解这些视频中人类用来理解社交互动的功能。我们能否客观地测试您识别社交互动的能力？也许有一种方法可以教人们认识到这些社会互动并提高他们的能力。我们离这个还有很长的路要走，但即使只是能够有效地衡量社会互动也是向前迈出的一大步，"Barbu说。

走向更精致

研究人员正在研究开发一个在允许更多类型的交互（如操作家居物体）的环境中配备3D代理的系统。他们还计划修改他们的模型，以包括行动可能失败的环境。

研究人员还希望将基于神经网络的机器人规划师纳入模型，该模型从经验中学习并更快地执行。最后，他们希望进行一项实验，收集有关人类用来确定两个机器人是否参与社交互动的特征的数据。

Barbu 说："希望我们能有一个基准，让所有研究人员能够参与这些社会互动，并激发我们在其他领域（如对象和行动识别）中所看到的各种科学和工程进步。

这项研究得到了大脑、头脑和机器中心、国家科学基金会、麻省理工学院CSAIL系统学习倡议、麻省理工学院-IBM沃森人工智能实验室、DARPA成功团队人工智能计划、美国空军研究实验室、美国空军人工智能加速器和海军研究办公室的支持。