تواجه الروبوتات تحديات متعددة عندما تفشل في أداء مهام معينة، ويصبح عليها اتخاذ قرار أولي بشأن الحوار التصحيحي: هل ينبغي عليها الاعتماد على تشخيصاتها الخاصة، استشارة مستشعر آخر، أم إيقاف التفاعل لطلب مساعدة إنسان؟ يعتمد اتخاذ هذا القرار على معرفة مدى دقة المعلومات التي توفرها المستشعرات ومدى موثوقية تشخيصات الروبوت بنفسه.

عمل الباحثون على تطوير معيار تمثيلي يعتمد على محاكاة، حيث كانت كل أسباب الفشل معروفة بدقة، مما ساعدهم على قياس ما تكشفه كل مستشعرات بدقة مع المراقبة الصارمة لمنع تسرب البيانات.

أظهرت النتائج أن بعض حالات الفشل يمكن تشخيصها من خلال الصور الملتقطة بواسطة الكاميرات، بينما يُمكن تشخيص الأخرى فقط من بيانات القوة، حيث تُعطي بيانات القوة دقة تصل إلى 0.99، في حين لم تتخطَّ دقة الطرق المبنية على الصور 0.55.

تم اختبار نموذجين مفتوحين في مجال الرؤية واللغة، وكان سلوكهم متأثرًا بسطح الطلب، بدلاً من الأدلة المتاحة: فعندما تم تعديل ترتيب خيارات الرفض، انخفض معدل الرفض من 78-100% إلى 0-6% عبر ثلاثة من ستة نماذج تم اختبارها.

تسلط الدراسة الضوء على مشكلة اتخاذ القرار من خلال تقديم خيار من ثلاث خطوات: التصرف، استشارة المستشعرات الخاصة، أو طلب مساعدة إنسان. تضرب النتائج جذورًا عميقة في أهمية تقييم الدقة والتكاليف المقيسة بدلاً من الاعتماد على ثقة النموذج، حيث يؤدي سؤال شخص إلى زيادة موثوقية الإجابات بشكل كبير.

إذاً، كيف يجب أن يتم دمج القرارات المعتمدة على دقة البيانات في التواصل بين الروبوت والإنسان؟ وهل يمكن أن تتحول هذه الآليات إلى نماذج تتحسن مع مرور الوقت؟ تلك هي الأسئلة التي تظل مفتوحة للنقاش.