Erklärbarkeit ko-konstruieren mit einem interaktiv lernenden Roboter (Projekt B05)
Die Informatiker*innen des Projekts B05 beschäftigen sich mit non-verbalen Erklärungen zwischen Maschine und Mensch: In Kontakt mit Menschen lernt der Roboter eine Tätigkeit, beispielsweise eine Bewegung. Dabei können Missverständnisse auftreten, denn Anwender*innen wissen häufig nicht, wie sich ein Roboter Fähigkeiten aneignet – ist die Blickrichtung des Roboters entscheidend oder sind es andere Faktoren, die das maschinelle Lernen beeinflussen? Die beteiligten Forscher*innen untersuchen, welche Vorstellungen die Proband*innen von der Funktionsweise eines Roboters haben und entwickeln Veranschaulichungen, mithilfe derer der Roboter das Verständnis der Nutzer*innen verbessern kann. Darüber hinaus analysieren sie, wie sich Geschlecht, Alter und Vorwissen auf die Interaktion mit Robotern auswirken, und wie sich Erklärstrategien in Interaktion mit dem Roboter verändern. Die Ergebnisse des Projektes setzen das Konzept der Erklärbarkeit in einen sozialen Kontext.
Publikationen
Dyck, L., Beierling, H., Helmert, R., and Vollmer, A. (2023) Technical Transparency for Robot Navigation Through AR Visualizations. In Companion of the 2023 ACM/IEEE International Conference on Human-Robot Interaction (HRI '23). Association for Computing Machinery, New York, NY, USA, 720–724. https://doi.org/10.1145/3568294.3580181