Virtuella kor revolutionerar samarbetet mellan människor och robotar genom förbättrad interaktion och navigation

StockholmForskare som studerar samspelet mellan människor och robotar har gjort nya upptäckter med hjälp av ett datorspel om boskapsskötsel. Denna metod hjälper oss att förstå hur människor fattar beslut om rörelse och navigering. Genom att analysera grundläggande rörelse- och perceptionmönster hoppas forskarna förbättra samarbetet mellan människor och robotar.

Forskare från Macquarie University och University College London samarbetade i en studie där deltagare spelade ett spel där de skulle flytta kor in i en hage. Modellen DPMP återspeglade med precision människors rörelsemönster och visade viktiga beslutsfattande tendenser.

• Spelarna prioriterade korna som var närmast i vinkelavstånd.
• Korna som befann sig längre bort från centrum av inhägnadszonen blev viktigare i beslutsprocessen.
• Mönstren förutsade beteenden i nya situationer med cirka 80% noggrannhet.

Denna nya metod använder ett perspektiv i första person, precis som i rollspel, vilket är bättre än att se uppifrån. Detta gör beslutsfattandet mer realistiskt och har större påverkan. Genom att begränsa synfältet, likt vår naturliga navigering, minskar det fördomar som uppstår vid betraktelse från ovan.

Dessa upptäckter kan förändra hur robotar och AI-system fungerar. Framöver kan robotar med algoritmer baserade på DPMP få en bättre förståelse och hantera uppgifter på liknande sätt som människor navigerar. Detta kan förbättra områden som hantering av folkmassor, respons vid nödsituationer och körning av autonoma fordon.

Läs också:

Idag · 03:00

Patagoniens glaciärsköld hotad: klimatförändringens påverkan utan minskade utsläpp

Förbättrad träning med DPMP: Virtuell verklighet kan avsevärt förbättra övningar för brandmän, räddningsteam och andra yrkesgrupper. Genom att använda realistiska scenarier baserade på DPMP-forskningen kan de träna sina färdigheter och bli bättre förberedda på oförutsägbara och dynamiska situationer.

Denna forskning kan leda till mer användarvänliga AI-system. Föreställ dig AI-assistenter som rör sig som människor, vilket gör det enklare att samarbeta med dem. Dessa system kan bättre lära sig våra vanor och preferenser, vilket skulle göra dem mer hjälpsamma och effektiva.

Studien av virtuell boskapsskötsel visar en metod för att utveckla mer intelligenta och responsiva system. Genom att lära sig av hur människor fattar beslut kan framtidens robotar smidigt integreras i våra vardagsliv och hantera komplexa situationer utan svårigheter.