In questo mese, studio a domicilio, i bambini partecipanti con ASD hanno giocato a giochi di matematica su un tablet touchscreen mentre un robot socialmente assistito di nome Kiwi ha utilizzato dati multimodali per fornire feedback e istruzioni personalizzate. Credito:Jain et al., Sci. Robot. 5, eaaz3791 (2020)
Molti bambini con autismo affrontano ritardi nello sviluppo, comprese le sfide comunicative e comportamentali e le difficoltà nell'interazione sociale. Ciò rende l'apprendimento di nuove competenze una sfida importante, soprattutto negli ambienti scolastici tradizionali.
Ricerche precedenti suggeriscono che i robot socialmente assistiti possono aiutare i bambini con autismo ad apprendere. Ma questi interventi terapeutici funzionano meglio se il robot è in grado di interpretare accuratamente il comportamento del bambino e reagire in modo appropriato.
Ora, i ricercatori del Dipartimento di Informatica della USC hanno sviluppato robot di apprendimento personalizzati per bambini con autismo. Hanno anche studiato se i robot potevano stimare l'interesse di un bambino per un'attività utilizzando l'apprendimento automatico.
In uno dei più grandi studi del suo genere, i ricercatori hanno collocato un robot socialmente assistenziale nelle case di 17 bambini con autismo per un mese. I robot hanno personalizzato le loro istruzioni e feedback in base ai modelli di apprendimento unici di ogni bambino durante gli interventi.
Dopo che lo studio è stato completato, i ricercatori hanno anche analizzato il coinvolgimento dei partecipanti e hanno determinato che il robot avrebbe potuto rilevare autonomamente se il bambino fosse coinvolto o meno con una precisione del 90%. I risultati degli esperimenti sono stati pubblicati nel Frontiere della Robotica e dell'AI e Robotica scientifica , riviste il 6 novembre e il 26 febbraio, rispettivamente.
Rendere i robot più intelligenti
I robot sono limitati nella loro capacità di riconoscere e rispondere autonomamente ai segnali comportamentali, soprattutto negli utenti atipici e negli ambienti del mondo reale. Questo studio è il primo a modellare i modelli di apprendimento e il coinvolgimento dei bambini con autismo a lungo termine, impostazione in casa.
"Gli attuali sistemi robotici sono molto rigidi, " ha detto l'autore principale Shomik Jain, uno studente laureato in matematica consigliato dalla pioniera della robotica socialmente assistiva, la professoressa Maja Matarić.
"Se pensi a un vero ambiente di apprendimento, l'insegnante imparerà cose sul bambino, e il bambino imparerà cose da loro. È un processo bidirezionale e questo non accade con gli attuali sistemi robotici. Questo studio mira a rendere i robot più intelligenti comprendendo il comportamento del bambino e rispondendo ad esso in tempo reale".
I ricercatori sottolineano che l'obiettivo è aumentare la terapia umana, non sostituirlo.
"I terapeuti umani sono fondamentali, ma potrebbero non essere sempre disponibili o convenienti per le famiglie, "ha detto Kartik Mahajan, uno studente universitario in informatica e coautore di studi. "Ecco dove entrano in gioco i robot socialmente assistiti come questo."
Migliorare l'esperienza di apprendimento
Finanziato da una sovvenzione della National Science Foundation (NSF) data a Mataric, il team di ricerca ha collocato Kiwi il robot nelle case di 17 bambini con disturbi dello spettro autistico per circa un mese. I bambini partecipanti erano tutti di età compresa tra 3 e 7 anni e provenivano dall'area metropolitana di Los Angeles.
Durante gli interventi quasi quotidiani, i bambini hanno giocato a giochi di matematica a tema spaziale su un tablet mentre Kiwi, un robot alto 60 cm vestito come un uccello piumato verde, fornito istruzioni e feedback.
Il feedback di Kiwi e la difficoltà dei giochi sono stati personalizzati in tempo reale in base ai modelli di apprendimento unici di ogni bambino. Il team di Mataric nell'USC Interaction Lab ha raggiunto questo obiettivo utilizzando l'apprendimento per rinforzo, un sottocampo in rapida crescita dell'intelligenza artificiale (AI).
Gli algoritmi hanno monitorato le prestazioni del bambino nei giochi di matematica. Ad esempio, se un bambino ha risposto correttamente, Il kiwi direbbe qualcosa del tipo, "Buon lavoro!". Se hanno sbagliato una domanda, Kiwi potrebbe dare loro alcuni suggerimenti utili per risolvere il problema, e regolare la difficoltà e il feedback nei giochi futuri. L'obiettivo era massimizzare la difficoltà, pur non spingendo lo studente a commettere troppi errori.
"Se non hai idea di quale sia il livello di abilità del bambino, gli lanci solo un sacco di problemi diversi e non è positivo per il loro impegno o apprendimento, " ha detto Giain.
"Ma se il robot è in grado di trovare un livello di difficoltà appropriato per i problemi, allora questo può davvero migliorare l'esperienza di apprendimento."
L'ultima frontiera
C'è un detto popolare tra le persone con autismo e le loro famiglie:se hai incontrato una persona con autismo, hai incontrato una persona con autismo.
"L'autismo è l'ultima frontiera per la personalizzazione robotica, perché come ti dirà chiunque conosca l'autismo, ogni individuo ha una costellazione di sintomi e diverse gravità di ogni sintomo, " disse Mataric, Chan Soon-Shiong illustre professore di informatica, Neuroscienza, e Pediatria e Vicepresidente ad interim della ricerca.
Ciò rappresenta una sfida particolare per l'apprendimento automatico, che di solito si basa sull'individuazione di modelli coerenti in enormi quantità di dati simili. Ecco perché la personalizzazione è così importante.
"Se prendiamo spunto da un bambino, possiamo ottenere molto di più che seguire un copione, " ha detto Mataric. "I normali approcci di intelligenza artificiale falliscono con l'autismo. I metodi di intelligenza artificiale richiedono molti dati simili e questo non è possibile con l'autismo, dove regna l'eterogeneità».
I ricercatori hanno affrontato questo problema nella loro analisi del coinvolgimento dei bambini dopo l'intervento. I modelli informatici di coinvolgimento sono stati sviluppati combinando molti tipi di dati, compreso lo sguardo fisso e la posa della testa, tono e frequenza audio, e prestazioni sul compito.
Far funzionare questi algoritmi utilizzando dati del mondo reale ha rappresentato una sfida importante, dato il rumore e l'imprevedibilità che l'accompagna.
"Questo esperimento era proprio al centro della loro esperienza di apprendimento, " ha detto Kartik, che ha aiutato a installare i robot nelle case dei bambini.
"C'erano gatti che saltavano sul robot, un frullatore che parte in cucina, e le persone che entrano ed escono dalla stanza." Come tale, gli algoritmi di apprendimento automatico dovevano essere abbastanza sofisticati da concentrarsi sulle informazioni pertinenti relative alla sessione di terapia e respingere il "rumore" ambientale.
Miglioramento dell'interazione uomo-robot
Le valutazioni sono state condotte prima e dopo gli interventi di un mese. Mentre i ricercatori si aspettavano di vedere alcuni miglioramenti nei partecipanti, i risultati hanno superato le loro aspettative. Alla fine dell'intervento del mese, Il 100% dei partecipanti ha dimostrato abilità matematiche migliorate, mentre il 92% è migliorato anche nelle abilità sociali.
Nelle analisi post-esperimento, i ricercatori sono stati anche in grado di raccogliere altre informazioni interessanti dai dati che potrebbero darci una sbirciatina nella ricetta per le interazioni ideali bambino-robot.
Lo studio ha osservato un maggiore coinvolgimento per tutti i partecipanti poco dopo che il robot aveva parlato. Nello specifico, i partecipanti sono stati coinvolti circa il 70% del tempo in cui il robot aveva parlato nel minuto precedente, ma meno del 50% delle volte in cui il robot non ha parlato per più di un minuto.
Mentre un modello personalizzato per ogni utente è l'ideale, i ricercatori hanno anche determinato che era possibile ottenere risultati adeguati utilizzando modelli di coinvolgimento formati sui dati di altri utenti.
Inoltre, lo studio ha osservato che i caregiver dovevano intervenire solo quando un bambino perdeva interesse per un periodo di tempo più lungo. In contrasto, i partecipanti di solito si impegnano nuovamente da soli dopo periodi più brevi di disinteresse. Ciò suggerisce che i sistemi robotici dovrebbero concentrarsi sulla lotta a periodi più lunghi di disimpegno.
Il laboratorio di Mataric continuerà a studiare i dati raccolti dall'esperimento:un sottoprogetto attivo prevede l'analisi e la modellazione degli stati cognitivo-affettivi dei bambini, comprese emozioni come confusione o eccitazione. Il progetto, guidato da laurea progressiva in informatica studente Zhonghao Shi, mira a progettare tutor di robot socialmente assistivi consapevoli degli affetti che siano ancora più sensibili alle emozioni e agli stati d'animo dei suoi utenti nel contesto dell'apprendimento.
"La speranza è che gli studi futuri in questo laboratorio e altrove possano prendere tutte le cose che abbiamo imparato e, si spera, progettare interazioni uomo-robot più coinvolgenti e personalizzate, " ha detto Giain.