人类可以运用认知科学理论，更好地理解机器人的行为。
如果机械臂等机器人部件的动作方式与人类对应部位相似，人们也会更容易建立准确的机器人心理模型。
观察机器人在不同环境中执行任务以及犯错，也有助于人们理解机器人。
研究人机交互的科学家往往着重于从机器人的视角理解人类意图，使机器人学会更有效地与人合作。但人机交互是双向的，人类也需要了解机器人的行为方式。
数十年来，认知科学和教育心理学研究让科学家相当了解人类如何学习新概念。因此，麻省理工学院和哈佛大学的研究人员开展合作，将成熟的人类概念学习理论应用于人机交互领域的挑战。
他们考察了以人类尝试教机器人新行为为重点的既有研究。研究人员发现，这些研究的方法中有一些地方可以纳入两种互补认知科学理论的要素。他们借助这些研究中的案例说明，这些理论如何帮助人类更快、更准确、更灵活地形成机器人的概念模型，从而加深对机器人行为的理解。
计算机科学与人工智能实验室（CSAIL）交互机器人组研究生、论文第一作者塞雷娜·布斯表示，能够为机器人建立更准确心理模型的人，往往也更善于协作；在人与机器人于制造业和医疗保健等高风险场景中共同工作时，这一点尤为重要。
布斯说：“无论我们是否尝试帮助人们建立机器人的概念模型，他们都会自行建立。而这些概念模型可能是错的，这会让人们面临严重危险。我们必须尽可能利用一切手段，帮助人们建立他们所能形成的最佳心理模型。”
布斯与她的导师、麻省理工学院航空航天学教授兼交互机器人组主任朱莉·沙阿，与哈佛大学研究人员合作撰写了这篇论文。埃琳娜·格拉斯曼（08届、MNG ’11、博士 ’16）是哈佛大学约翰·A·保尔森工程与应用科学学院计算机科学助理教授，专长于学习理论和人机交互，也是该项目的主要导师。哈佛大学的合著者还包括研究生桑贾娜·夏尔马和研究助理莎拉·钟。这项研究将在 IEEE 人机交互会议上发表。
理论方法
研究人员运用两种关键理论，分析了35篇关于人机教学的研究论文。“类比迁移理论”认为，人类通过类比学习。当人类接触一个新领域或新概念时，会不自觉地寻找熟悉的事物，以此理解新事物。
“变异学习理论”认为，有策略地进行变化可以揭示某些概念，否则人们可能难以辨别。该理论提出，人类接触新概念时会经历一个四步过程：重复、对比、概括和变异。
布斯说，许多研究论文都纳入了其中一种理论的部分要素，但这很可能只是偶然。若研究人员在工作之初就参考这些理论，他们或许能够设计出更有效的实验。
例如，在教人们与机器人互动时，研究人员往往会向人们展示机器人多次执行同一任务。但变异理论指出，要让人们建立准确的机器人心理模型，他们需要看到机器人在不同环境中执行任务的一系列案例，也需要看到机器人犯错。
布斯说：“在人机交互文献中，这种做法非常少见，因为它有悖直觉；但人们也需要看到反例，才能理解机器人不会做什么。”
布斯解释说，这些认知科学理论还可以改进机器人的实体设计。如果机械臂看起来像人的手臂，动作方式却与人类动作不同，人们就难以建立准确的机器人心理模型。正如类比迁移理论所指出的，人们会把自己熟悉的事物——人的手臂——对应到机械臂上；如果两者动作不匹配，人们就可能感到困惑，也难以学会与机器人互动。
改进解释方式
布斯及其合作者还研究了人类概念学习理论如何改进解释方式，帮助人们对陌生的新机器人建立信任。
她说：“在可解释性领域，确认偏误是个大问题。通常没有关于解释是什么、人们应该如何使用解释的标准。作为研究人员，我们经常设计一种解释方法，觉得效果不错，就直接推出。”
他们建议，研究人员应运用人类概念学习理论，思考人们将如何使用解释。这些解释通常由机器人生成，用来清晰传达机器人据以决策的策略。布斯说，如果提供一套循序渐进的课程，帮助用户理解某种解释方法的含义、何时适用以及何处不适用，用户就能更深入地理解机器人的行为。
根据分析结果，他们提出了若干改进人机教学研究的建议。首先，他们建议研究人员纳入类比迁移理论，在人们学习与新机器人合作时，引导他们进行恰当比较。布斯说，提供指导可以确保人们采用合适的类比，从而避免对机器人的行为感到意外或困惑。
他们还建议纳入机器人行为的正面和负面案例，让用户了解机器人“策略”参数的有策略变化如何影响其行为，并逐步将观察扩展到经过有策略变化的环境中，这样可以帮助人类学得更好、更快。机器人的策略是一种数学函数，它为机器人可以采取的每个行动分配概率。
格拉斯曼说：“多年来我们一直在开展用户研究，但在决定向人展示哪些内容是否有帮助时，我们基本上是凭直觉行事。下一步，我们应该更严谨地以人类认知理论为这项工作奠定基础。”
如今，运用认知科学理论开展的初步文献综述已经完成，布斯计划重做自己研究过的一些实验，以检验这些理论是否真的能改善人类学习。
这项工作部分得到了美国国家科学基金会的资助。
