Книга Роботы, страница 70 – Дмитрий Романофф

Мы уже рассматривали, как роботы могут помогать человеку синхронизировать существование в метавселенной с реальным миром, сглаживая переход и облегчая адаптацию. Взаимодействие с роботом перестаёт быть похожим на управление инструментом и начинает напоминать нечто большее. Эту трансформацию обеспечивает персонализация, основанная на больших данных и языковых моделях. Они позволяют роботу выстраивать уникальную модель пользователя, адаптироваться к привычкам человека и предвосхищать его намерения — от кивка головы до неоконченной фразы. Это та же революция, что произошла со смартфонами после появления тачскрина, открыв путь новым, естественным формам коммуникации на основе персуазивных технологий.

Персонализация.

Базовые роботы запрограммированы на однообразные реакции, но для эффективного сотрудничества в сложной или социальной среде робот должен понимать контекст, состояние и цели человека. Персонализация решает эту задачу, превращая робота из пассивного исполнителя команд в активного участника взаимодействия. Такие системы, основанные на распознавании намерений, стремятся определить мотивы пользователя и предсказать его будущие действия.

Для создания модели пользователя или его «цифрового двойника», робот собирает и анализирует данные:

1. Биометрические и поведенческие через особенности походки, паттерны движений рук, мимику и динамику голоса.

2. Контекстуальные и средовые в виде распорядка дня, типичных маршрутов движения, предпочтений в доме, уровня освещённости и шума.

3. Вербальные и невербальные, где учитываются часто используемые слова и фразы, характерные жесты, позы, выражающие усталость или сосредоточенность.

Чтобы собирать эти данные, роботы оснащаются комплектом сенсоров, каждый из которых отвечает за свой канал информации. Их комбинация повышает надёжность распознавания:

1. Визуальные камеры анализируют жесты, позы, мимику, движение глаз, объекты в окружении. Робот видит, что человек тянется к книге, и подаёт её.

2. Инерциальные отслеживают траекторию, скорость и угол движения конечностей или тела. Носимый экзоскелет анализирует паттерн ходьбы для коррекции.

3. Микрофоны считывают голосовые команды, интонацию и фоновые звуки. Робот распознаёт не только команду«открой», но и тревогу в голосе.

4. Тактильные анализируют силу нажатия, давление и вибрацию. Робот манипулятор регулирует усилие для хрупкого предмета.

5. Биосигнальные получают электрическую активность мозга или мышц. Протез руки начинает движение по намерению, а не по явной команде.

Собранные данные лишь основа работы алгоритмов:

1. Машинное обучение и нейросети выявляют скрытые закономерности в поведении конкретного человека. Например, гарвардский носимый робот для пациентов с ALS и после инсульта использует ML для 94 %-ной точности распознавания индивидуальных движений плеча.

2. Большие языковые модели выполняют роль универсального интерпретатора. Они связывают голосовую команду, контекст и знания о мире. Анализируется абстрактный запрос: «Мне нужен простой стул», — извлекается суть и передаётся техническим модулям для генерации 3D-модели и её последующей сборки роботом.

3. Сенсорная интеграция объединяет потоки данных от разных сенсоров для формирования целостной картины.