På ett bord i Danica Kragic Jensfelts labb ligger några slitna robotfingrar. Väl använda i olika experiment där robotar övar på att se och greppa saker, och att samspela med omgivningen.

– Väldigt mycket av min tidigare forskning har handlat om att automatisera svåra uppgifter. Att robotar ska kunna känna igen olika typer av föremål, plocka upp dem och göra något med de här sakerna. Men de senaste åren har jag blivit allt mer intresserad av att förstå mänskliga beteenden och hur vi skulle kunna använda olika typer av robotförmågor i en interaktion med människan.

Bakgrunden, förklarar Danica Kragic Jensfelt, är att man inom datavetenskapen har lärt sig hur automatiserade system kan lära sig mer om omvärlden med hjälp av stora datamängder, så kallad maskininlärning.

Datamängderna kan till exempel komma från videosekvenser. En person som gör något filmas och med avancerade matematiska algoritmer, datorprogram, försöker man tolka vad det är personen gör och använda sig av den informationen i ett robotsystem.

– Nästa steg för mig är att använda den här tekniken i sammanhang där människor och robotar samarbetar på något sätt. Där robotar gör det robotar är bra på och människor gör det de är bra på.

”Det här är ett väldigt stort och brett arbete. Det är det som är så fantastiskt med Wallenberg Scholar att det ger oss möjligheter att arbeta interdisciplinärt och upptäcka nya saker tillsammans.”

Avvikande beteenden

Som Wallenberg Scholar vill Danica Kragic Jensfelt utveckla robotar som kan vistas i miljöer där det finns människor, utan att de ses som skrämmande. Hon är särskilt intresserad av att förstå beteenden som avviker.

– Till exempel, just nu har vi en konversation. Vi tittar på varandra och följer varandras handrörelser. Vi har ett informationsutbyte på flera plan. Men samtidigt som vi konverserar så gör du något annat, du skriver.

Hon snurrar runt på kontorsstolen och ritar på den vita tavlan bakom.

– Maskininlärningsdelen i det här handlar om att upptäcka språket, rörelserna och hur många situationer det finns i till exempel en konversation, och vad som är viktigast. Här har vi ingen vokabulär ännu, det finns ingen bok som beskriver grammatiken för dessa situationer.

Forskningen är interdisciplinär och Danica Kragic Jensfelt har samarbeten med både neuroforskare och beteendevetare. Till Scholarprojektet har hon bland annat rekryterat en doktorand som kommer från ett spelbolag och som har disputerat i matematik.

– Vi behöver mycket matematik för att kunna modellera de här problemen. Och det är intressant att ha med någon från spelindustrin, för där lär de sig också mycket om människans beteenden.

Explosiv utveckling

Tekniker som maskininlärning och varianten djupinlärning kallas också för datadriven artificiell intelligens, AI. De förväntas förändra arbetet inom många sektorer, exempelvis kan de användas i försäkringsbranschen för att bestämma premier eller inom sjukvården för att ställa bättre diagnoser.

– Det handlar ofta om att systemen ska lära sig hur människan ”på andra sidan” tänker och agerar. Det vill säga man återskapar och analyserar människans processer via matematiska algoritmer. Vi kan på detta sätt också skapa system som är mer objektiva och som kan använda mer information än en människa. Samtidigt måste vi ta hänsyn till integritet och privatliv när systemen samlar in data, detta är något som diskuteras mycket.

Datadriven AI är också en viktig del i det nationella forskningsprogrammet WASP, Wallenberg AI, Autonomous Systems and Software Program, där både akademi och näringsliv deltar. Danica Kragic Jensfelt är ansvarig för satsningen på maskininlärning och djupinlärning.

– Vi kan uppnå mycket mer genom samarbete. Många branscher har brist på experter inom AI-området. Inom WASP utbildas doktorer som kan anställas av företagen och i den akademiska världen. Det är också min roll som akademiker att berätta på ett objektivt sätt om forskningen, att utbilda samhället. Visa på möjligheterna, men även berätta vilka utmaningar tekniken har.

Dricker kaffe

Det komplexa arbetet tas stegvis. I labbet tar Danica Kragic Jensfelt och hennes forskargrupp sig an händelseförloppet när en robot ska lära sig servera kaffe på ett naturligt sätt. Tidsserier och rörelser omvandlas till en datormodell.

– Det rör inte så mycket de sociala aspekterna inledningsvis. Frågan är mer hur gör vi när vi serverar kaffe? Vi startar med en kaffekopp och en kaffekanna. I slutändan är koppen fylld med kaffe. Det kan hända väldigt många saker under den tiden, på oändligt många sätt med många parametrar.

Målet är ett system där roboten tittar på människan och kan förutsäga vad som kommer ske härnäst.

– Vi vill att roboten ska kunna förändra sättet den utför saker baserat på vad som är sant just nu. Ur ett systemperspektiv behöver inte det här vara så annorlunda mot ett försäkringsbolag som får information om din nuvarande status. Så vi ser att de metoder som vi använder är generella i princip oavsett område eftersom det handlar om att anpassa sig till ändrade situationer.

Text Susanne Rosén
Bild Magnus Bergström