布里斯托爾（Bristol）的團隊開發了智能的手持式機器人，可以與用戶協作完成任務。與傳統的電動工具相反，傳統電動工具對其執行的任務一無所知，并且完全在用戶的控制之下，但手持機器人則擁有有關該任務的知識，并且可以通過指導，微調運動和確定任務序列來提供幫助。

布里斯托大學的計算機科學家開發的這種新的人類機器人研究方法，類似人類的反證法，他們將其用在手持機器人，該機器人會首先進行人類行為下一步預測，然后通過背叛用戶的計劃而使用戶感到沮喪，從而使得這個手持機器人能夠證明和學習對人類意圖的理解。

在技術日新月異的世界中，人與機器之間的合作是自動化的重要方面。這項新的研究表明，故意使人沮喪是開發與用戶更好協作的機器人過程的一部分。盡管這有助于更快，更準確地完成任務，但是當機器人的決策與自己的計劃不符時，用戶可能會感到惱火。

布里斯托爾大學計算機科學系博士候選人Janis Stolzenwald和Walterio Mayol Cuevas教授在這一領域的最新研究探索了智能工具的使用，這些工具可以根據用戶的意圖對他們的決策產生偏差。這項研究是對人類機器人研究的一種新穎而有趣的轉折，它旨在首先預測用戶的需求，然后違背這些計劃。

Mayol-Cuevas教授說：“如果您對本來可以幫助您的機器感到沮喪，則比通常難以捉摸的人機合作信號更容易識別和衡量。如果用戶在我們指示機器人進行操作時感到沮喪反對他們的計劃，我們能讓機器人更好知道他們想做什么。”

“就像對彼此行為的短期預測對于成功的人類團隊合作必不可少一樣，我們的研究表明，將這種能力集成到協作機器人系統中對于成功的人機協作至關重要。”在這項研究中，研究人員使用了一個原型，該原型可以跟蹤用戶的視線，并通過機器學習獲得有關預期動作的短期預測，然后將這些知識用作機器人決策（如下一步移動）的基礎。

布里斯托（Bristol）團隊使用900多個訓練示例對機器人進行了研究培訓，這些示例來自參與者的拾放任務，該研究的核心是意圖預測模型的評估。研究人員測試了機器人的兩種情況：服從和叛逆。機器人被編程為遵循或違背用戶的預期意圖。知道用戶的目標使機器人有能力反抗他們的決定。兩種情況下挫折響應的差異證明了機器人預測的準確性，從而驗證了意圖預測模型。

Janis Stolzenwald是德國學術獎學金基金會（German Academic Scholarship Foundation）和英國EPSRC資助的一名博士生，他進行了用戶實驗，并確定了未來的新挑戰。他說：“我們發現，當視覺數據與任務知識相結合時，意圖模型會更有效。這就提出了一個新的研究問題：機器人如何檢索這些知識？我們可以想象從示范中學習或讓另一個人參與這項任務。”

為了應對這一新挑戰，研究人員目前正在研究關于通過手持式機器人進行遠程協作的研究中的共享控制，交互和新應用。維護任務充當用戶實驗，在該實驗中，手持機器人用戶將通過遠程控制機器人的專家來獲得幫助。