Virtuele koeienherder met AI: verbeterde samenwerking tussen mensen en robots dankzij DPMP-model
AmsterdamOnderzoekers die de interactie tussen mensen en robots bestuderen, hebben nieuwe inzichten verkregen door een videospel over het drijven van vee te gebruiken. Deze aanpak helpt ons te begrijpen hoe mensen keuzes maken over beweging en hun weg vinden. Door de basale patronen van beweging en waarneming te analyseren, willen wetenschappers de samenwerking tussen mensen en robots verbeteren.
Onderzoekers van de Macquarie University en University College London werkten samen aan een onderzoek waarbij een spel werd gebruikt waarin mensen koeien naar een omheining moesten verplaatsen. Het DPMP-model wist nauwkeurig na te bootsen hoe mensen zich bewogen, en onthulde daarbij belangrijke patronen in besluitvorming.
Spelers gaven de voorkeur aan koeien die het dichtst bij waren vanuit een hoeksafstand. Koeien verder van het centrum van de containmentszone hadden meer invloed op de besluitvorming. Patronen voorspelden gedrag in nieuwe scenario's met een nauwkeurigheid van ongeveer 80%.
Deze nieuwe methode maakt gebruik van een eerstepersoonsperspectief, vergelijkbaar met die in rollenspellen, wat een betere ervaring biedt dan het traditionele vogelperspectief. Het maakt het nemen van beslissingen realistischer en heeft een bredere impact. Door te beperken wat er gezien kan worden, net zoals mensen zich van nature oriënteren, worden de vooroordelen verminderd die ontstaan bij een bovenaanzicht.
Deze bevindingen kunnen de werking van robots en AI-systemen ingrijpend veranderen. In de toekomst zouden robots die gebaseerd zijn op DPMP-algoritmen taken beter kunnen begrijpen en uitvoeren op een manier die vergelijkbaar is met menselijke navigatie. Dit kan verbeteringen brengen op gebieden zoals het beheersen van menigten, het reageren op noodsituaties en het besturen van autonome voertuigen.
DPMP's kunnen trainingen aanzienlijk verbeteren. Brandweerlieden, reddingsteams en andere werknemers kunnen virtuele realiteit gebruiken, gebaseerd op DPMP-onderzoeken, om hun vaardigheden in levensechte situaties te oefenen. Voorspellende modellen helpen hen voor te bereiden op veranderlijke en onverwachte omstandigheden.
Dit onderzoek kan leiden tot gebruiksvriendelijkere AI-systemen. Stel je voor dat AI-assistenten zich voortbewegen zoals mensen, waardoor de samenwerking met hen eenvoudiger wordt. Deze systemen kunnen beter onze gewoonten en voorkeuren leren begrijpen, waardoor ze hulpvaardiger en efficiënter zijn.
Het onderzoek naar virtuele veehoederij biedt inzicht in hoe we slimmere en beter reagerende systemen kunnen ontwikkelen. Door te leren van menselijke beslisprocessen, zouden toekomstige robots moeiteloos in ons dagelijks leven kunnen integreren en complexe situaties probleemloos kunnen beheren.
De studie is hier gepubliceerd:
http://dx.doi.org/10.1098/rsos.231919en de officiële citatie - inclusief auteurs en tijdschrift - is
Ayman bin Kamruddin, Hannah Sandison, Gaurav Patil, Mirco Musolesi, Mario di Bernardo, Michael J. Richardson. Modelling human navigation and decision dynamics in a first-person herding task. Royal Society Open Science, 2024; 11 (10) DOI: 10.1098/rsos.23191930 november 2024 · 20:12
AI-innovatie TrialGPT verbindt patiënten snel met geschikte klinische onderzoeken
30 november 2024 · 03:44
Canadese kranten dagen OpenAI voor de rechter: debat over AI en auteursrecht begint
Deel dit artikel