（来源：Pixabay）
人与机器人的社会交互被Science Robotics期刊列为“当前机器人学领域内的十大主要挑战”之一。那么，人类是否有可能创建出有感知力的机器人呢？
实际上，要创造出具有感知力的机器人，或者说某种程度上拥有独立意识的机器人，最重要的一点在于理解人类的意识是如何产生的。这需要从行为层面、神经层面探索人类认知与意识的底层原理和运转机制，并从根源上对机器学习的算法进行革新。
华东师范大学蒯曙光教授表示：“如果有一天心理学与神经科学的研究成果能完美地模拟人类感知觉的运转机制以及意识、情感的产生，那么机器人代替或超越人类才将变为可能。”
图丨论文部分作者合影，从左至右依次为：鄢明远、缪明诚、蒯曙光、周晨、苌琦（来源：华东师范大学）
近期，华东师范大学团队通过虚拟现实的技术，构建出可以操控的理想社会场景，定量化操作实验变量和度量人类的行为，像获取基本物理世界规律一样获取人类行走行为的基本规律，从而成功地建立了量化行走模型，并进一步把相关模型算法化。
该研究体现了文理交叉研究领域从“理论概念”到“计算模型”再到“工程算法”三阶段跨越，最终实现了从理论的概念化描述到基于人类行为的机器人算法的跨越。
图丨相关论文（来源：Nature Machine Intelligence）
11月7日，相关论文以《基于人类行为的社会行走模型提高了社交机器人的人性化水平》（Human-behaviour-ba
sed social locomotion model improves the humanization of social robots）为题在Nature Machine Intelligence上发表[1]。
华东师范大学蒯曙光教授为论文的通讯作者，博士后周晨、博士生缪明诚、本科毕业生陈欣然、胡逸斐，在读本科生苌琦、鄢明远为论文的共同作者。
“我们希望这一研究能够为类似的文理交叉学科的研究提供一套可参考的框架，在将来能够有更多的经典人文科学理论被转化为计算模型，并为工程领域的实际需求提供支持。”周晨说。
结合虚拟现实与计算建模，对人类行为精准预测
该研究在理论层面上成功的建立了一个简单规则，结合数学推导来解释人类在复杂社会场景下的行走，达到了科学上“用简单规则解释复杂世界”的目的。这样的研究框架在自然科学领域获得过巨大的成功，但是
应用到人类的社会行为则存在巨大的技术上的挑战。
解决这一问题的关键是构建能够量化人类行为的实验平台。近年来，虚拟现实相关产业技术的快速发展为实现这样的想法提供了新的技术路径。
该研究结合了社会科学、心理学、计算机科学、机器人学等多个学科的问题视角与研究手段，创新性地构建起可行的研究框架来将传统社会学、心理学关于人类交互的抽象定义与概念化的特征，转化为可被直接应用在机器人平台中的算法。
图丨基于人类社会空间的社会行走模型（来源：Nature Machine Intelligence）
该研究起始于2019年，那时蒯曙光教授正在带领团队研究人类对于社会交互的知觉以及社会群体的识别，并建立了模型来模拟人类对于社会交互信息的感知[2]。在那项研究的过程中，他们逐步证实了社会交互的信息确实会影响到人类知觉加工的进程。也就是说，人类的知觉与运动动态系统之间是相互影响的。
既然社会信息在知觉加工中具有如此特殊的地位，那么，它是否会对于人们的运动系统产生影响呢？行走是人类最基础、也最为常见的运动功能之一，从理论层面，利用行走这一行为作为指标来探索社会信息的影响是最为自然的选择。
在研究过程中，团队成员不断地被人类在复杂社会环境中的行走导航能力所震撼，却发现当下的主流机器人导航算法不能体现出人类在社会环境中行走所体现出的一系列行为特征。
因此，他们逐渐产生了利用心理物理学把将人类在社会场景下的行走行为进行量化分析和计算建模，并植入到导航机器人平台中的想法，进而提升机器人的拟人性与人机交互体验。
图丨机器人的行为学评测平台（来源：Nature Machine Intelligence）
在该研究中，如何对人类在社会场景下的行走行为进行建模是至关重要的步骤。由于人类在社会场景中行走行为十分复杂、自由度也高。因此，在以往的研究中，很多研究者对是否能通过简洁的数学模型，来描述人类在复杂社会场景中行走行为存疑。
蒯曙光教授的团队对该问题进行了多次内部讨论后，逐渐明晰了相关方向和技术路线。他们首先利用虚拟现实技术构建一个简单理想社会场景环境，在这个环境中通过量化实验来获得最为基本的规则，利用数学模型来描述规则。
然后，再用数学推导的方式把简单场景中，获得的模型推广到复杂社会场景。“当我们看到社会行走模型在各种复杂场景中成功预测时，是非常兴奋和激动的。”回忆起研究中的难忘时刻，蒯曙光仍然记忆犹新。
为设计具有拟人性的机器人提供新思路及研究框架
该研究为设计具有拟人性的机器人提供了新的思路以及研究框架。实际上，如何模拟机器人的社会性，是提升机器人行为表现、以及人机交互体验的重要一环。
通过探索人类社会行为背后的计算原则，并使机器人遵从这样的计算原则进行导航。这不仅能让环境中的人类感受更自然、更舒适。更重要的是，通过符合人类预期的方式来进行导航，还能够从根本上提升机器人导航的效率。
机器人导航行业内有一个经典的问题叫做“凝固机器人”，描述的是机器人在社会环境中行走时卡顿的情况。该问题的根源在于机器人对于人类可能的行走策略缺乏系统性的理解，只能通过当前他人的移动轨迹做出判断，从而造成了卡顿的情况。
“我们的模型能够对复杂环境中人类的行走轨迹做出精准的预测，并在此基础上让机器人表现出符合人类预期的行走轨迹，从而模拟了真实社会环境中人群的移动，能够有效地避免这些问题。”周晨说。
实际上，人类的社会行为具有高度的复杂性，该研究对日常生活中人群行走最普遍的情况进行了简化抽象。但是，在真实环境中，人类的社会行为还会受到许多其他因素的影响，例如文化背景、情绪、意图、人际关系等。
考虑这些实际的因素，该团队下一步工作的重点在构建情景化多模态人类社会行为分析平台。他们计划将各种复杂的社会因素通过类似的方法进行量化和建模，并同时记录人类的行为表现与神经活动。
具体来说，课题组成员将从脑网络的运算机制对人类社会行为进行深度模拟，从而构建出能够与人类开展高质量社会互动的类脑机器人。
