“تأثیر روبات‌ها بر رفتار انسان: آنچه در مواجهه با این فناوری مشاهده می‌شود”

“آزمایش جالب دانشجوی دکترای انفورماتیک: تأثیر حضور روبات‌ها بر رفتار حرکتی انسان‌ها”

جواد امیریان، دانشجوی دکترای انفورماتیک در مرکز تحقیقاتی اینریای فرانسه، به تازگی سفری به انگلستان داشته و با همکاری دانشجویان دانشگاه UCL، آزمایشی در زمینه کاری خود یعنی هوش مصنوعی انجام داده است.

دانشگاه جهانی لندن یکی از برترین دانشگاه‌های تحقیقاتی در سراسر دنیاست. آزمایشی که جواد امیریان و دوستانش در دانشگاه UCL انجام داده‌اند به تحلیل رفتار انسان در مواجهه با روبات‌ها می‌پردازد. گزارشی از این آزمایش را از زبان این دانشجوی دکترای هوش مصنوعی می‌خوانیم.

برای یک آزمایش یک روزه در آزمایشگاه PAMELA‌، مهمان بچه‌های UCL بودیم؛ می‌خواستیم بدانیم حضور روبات‌ها چه تاثیری بر رفتار حرکتی انسان‌ها دارد.

شما چه فکر می‌کنید؟ اگر فردا در خیابان روباتی را ببینید که از کنارتان عبور می‌کند، چه واکنشی نشان می‌دهید؟ شاید بار اول برایتان جالب و بانمک به نظر برسد، اما وقتی از این مرحله عبور کردید، چطور با آن مواجه می‌شوید؟”

“تأثیر حضور روبات‌ها بر رفتار انسان: گزارش آزمایش در دانشگاه UCL”

آیا رفتار شما با روبات‌ها همانند برخورد با دیگر انسان‌هاست؟ چقدر از روبات‌ها فاصله می‌گیرید؟ به آنها اجازه می‌دهید پیش از شما از خیابان بگذرند؟ آیا از حضور روبات‌ها وحشت‌زده می‌شوید؟

پاسخ به این سوالات بستگی به عوامل زیادی دارد؛ از جمله شخصیت، شرایط ذهنی و محیطی که در آن قرار دارید. در حوزه هوش‌مصنوعی و ارتباط انسان و روبات، مسائلی مانند تأثیر ظاهر روبات و واکنش‌های افراد مختلف مورد بحث قرار گرفته‌اند.

یک آزمایش به نام “Human Robot Interaction” در دانشگاه UCL انجام شده است. در این آزمایش، روبات‌های Pepper و ویلچر خودران در یک جمعیت شلوغ قرار گرفته و تغییرات رفتاری شرکت‌کنندگان بررسی شده است. این آزمایش با همکاری ۳۰ شرکت‌کننده ناشناس انجام شده و توسط دانشجویان UCL طراحی و اجرا شده است.

“آزمایش تأثیر حضور روبات‌ها در انسان‌ها در دانشگاه UCL”

برای انجام این آزمایش، ابتدا نیاز به تعدادی شرکت‌کننده داریم. دانشگاه UCL یک بستر آنلاین برای جذب افراد ایجاد کرده است. آگهی‌ها در سایت قرار می‌گیرند و علاقه‌مندان می‌توانند درخواست خود را ارسال کنند.

شرکت در این آزمایش مترتب بر پرداخت ۱۵ پوند نقدی به هر شرکت‌کننده است، که معادل حداقل دستمزد برای ۲ ساعت کار در انگلیس محسوب می‌شود. البته حضور در آزمایش رایگان نیست و شرکت‌کنندگان حق استخدام بدون دریافت دستمزد را ندارند. برای این آزمایش خاص، ۳۰ نفر را استخدام کردیم.

محیط آزمایش با استفاده از دیواره‌های قابل حمل روی پلتفرم طراحی شد. شرکت‌کنندگان و روبات‌ها باید از یک سوی راهرو شروع به حرکت کنند و از یک درب عبور کنند تا به راهروی بعدی برسند. منطقه شروع آزمایش تقریبا ۲۱ متر مربع است و چگالی ۱/۵ نفر بر متر مربع را فراهم می‌کند.

ما با اختصاص یک کلاه رنگی به هر شرکت‌کننده، سناریوهای مختلفی را تست کردیم؛ از جمله حضور یا عدم حضور روبات، ابعاد مختلف درب، استفاده از روبات‌های Pepper و ویلچر خودران، و سرعت‌های متفاوت روبات. هر سناریو را ۵ بار با چیدمان‌های مختلف اجرا کردیم تا داده‌ها را کمترین خطا داشته باشیم و نتیجه به یک شرکت‌کننده خاص وابسته نشود.

“تصاویر معوج و رفع اعوجاج در آزمایش‌های دانشگاه UCL”

در مرحله بعدی از آزمایش، تصاویر ضبط شده باید پردازش شوند تا مسیر حرکت افراد یا “trajectory” استخراج شود. این داده‌ها سپس تحت تحلیل‌های مختلف قرار می‌گیرند. برای استخراج این مسیرها از تصاویر دوربین فیش‌آی (چشم ماهی) استفاده کردیم.

اولین چالشی که با آن مواجه شدیم، دیدن تصاویر محدب و کروی‌شکل بود. خطوط روی زمین به شکل منحنی دیده می‌شدند که به این پدیده “Radial distortion” یا اعوجاج کروی می‌گویند. این پدیده ناشی از رفتار لنز است و در دوربین‌های فیش‌آی به خصوص بسیار شدیدتر است.

خوشبختانه، این مشکل قابل حل است. اعوجاج کروی با استفاده از تابعی با درجه ۷ بین نقاط تصویر سالم و تصویر معوج تخمین زده می‌شود. این فرآیند به نام “camera calibration” است و شامل پارامترهای مختلف دوربین می‌شود.

برای انجام کالیبراسیون از صفحه شطرنج استفاده می‌شود. با قرار دادن صفحه شطرنج در مقابل دوربین و چرخاندن آن در زوایای مختلف و ضبط تصاویر -حداقل ۱۰ عدد- می‌توان پارامترهای دوربین را بهینه‌سازی کرد.

کتابخانه OpenCV و نرم‌افزار Matlab توابع آماده‌ای برای انجام این کار دارند. همچنین از جعبه ابزار “Camera Calibrator” نیز می‌توان برای این کار استفاده کرد. سپس با استفاده از توابعی مانند “Undistort”، تصاویر را بازسازی و اعمال تصحیح اعوجاج می‌کنیم.

این فرآیند جالب را می‌توانید در تصویر پایین مشاهده کنید.

“تحلیل داده‌ها در آزمایش ارتباط انسان و روبات در دانشگاه UCL”

شاید از تعجب نکنید که چرا “قد” افراد در داده‌ها به نحوی غیرطبیعی به نظر می‌آید. این امر ناشی از فرآیند تصویربرداری و تبدیل داده‌ها به شکل 3D است. در واقع، این فرآیند باعث از دست رفتن شکل اصلی اشیاء با ارتفاع می‌شود.

اما در اینجا شما به جای زاویه‌های غیرطبیعی، یک تصویر به نظر می‌آید که انگار از بالا به یک صفحه نگاه می‌کنید. هر شیء که روی زمین قرار گرفته باشد، در تصویر به همان شکل دیده خواهد شد.

با استفاده از این تبدیل، موقعیت افراد در زمین به راحتی از طریق موقعیت پیکسل‌هایشان قابل محاسبه است.

حالا به مرحله تحلیل داده‌ها می‌پردازیم. هدف ما از بررسی تأثیر روبات بر مدل حرکتی افراد بود. اما چگونه می‌توان این تأثیر را اندازه‌گیری کرد؟

ما به دینامیک رفتار انسان‌ها مراجعه کردیم. این حوزه به جلوگیری از وقوع فاجعه در محیط‌های پرجمعیت و شلوغ می‌پردازد. برای این منظور از معیارهای ماکروسکوپیک (مثل کل زمان تخلیه یا چگالی جمعیت) و میکروسکوپیک (مثل سرعت، فاصله بین افراد یا انسان-روبات) استفاده می‌کنیم.

یک پارامتر میکروسکوپیک مهم دیگر، “تعداد سبقت گرفتن” در هر آزمایش بود؛ به عبارت دیگر، اینکه آیا افراد از جایی که به ترافیک وارد شدند، به همان ترتیب خارج می‌شوند یا خیر؟

ما این معیارها را بازنویسی کردیم و به متناسب با آزمایش (مثل چگالی جمعیت در اطراف درب یا فاصله بین افراد و روبات) محاسبه کردیم. در نهایت از یک روش آماری به نام “آزمون ویلکاکسون” برای مقایسه دو مجموعه نمونه مختلف استفاده کردیم.

نتایج این آزمایش نهایتاً خارج از انتظار بود. با کاهش سرعت حرکت جمعیت با افزودن روبات، اختلاف قابل ملاحظه‌ای بین فاصله انسان-روبات و انسان-انسان بوجود آمد. این اختلاف احتمالاً به دلیل قابل پیش‌بینی بودن حرکات روبات‌ها نسبت به آدم‌ها است. همچنین، سبقت‌گرفتن از روبات انسان‌نما و در عین حال “راه‌دادن” به ویلچر نشان‌دهنده حس احترام قوی به فردی است که روی ویلچر نشسته است.”