Man mano che i robot si fanno strada in una varietà di ambienti e iniziano a interagire con gli umani su base regolare, dovrebbero essere in grado di comunicare con gli utenti nel modo più efficace possibile. Negli ultimi dieci anni o giù di lì, ricercatori di tutto il mondo hanno quindi sviluppato modelli basati sull'apprendimento automatico e altre tecniche computazionali che potrebbero migliorare le comunicazioni uomo-robot.

Un modo per migliorare il modo in cui i robot comunicano con gli utenti umani è addestrarli a esprimere le emozioni di base, come la tristezza, felicità, paura e rabbia. La capacità di esprimere emozioni alla fine consentirebbe ai robot di trasmettere messaggi in modo più efficace, in modi che sono allineati con una data situazione.

I ricercatori dell'Università di Amburgo in Germania hanno recentemente sviluppato un metodo basato sull'apprendimento automatico per insegnare ai robot come trasmettere quelle che sono state precedentemente definite le sette emozioni universali, vale a dire rabbia, disgusto, paura, felicità, tristezza, sorpresa e uno stato neutrale. Nella loro carta, pre-pubblicato su arXiv, hanno applicato e testato la loro tecnica su un robot umanoide chiamato iCub.

Il nuovo approccio proposto dai ricercatori trae ispirazione da un framework precedentemente sviluppato chiamato TAMER. TAMER è un algoritmo che può essere utilizzato per addestrare percettroni multistrato (MLP), una classe di reti neurali artificiali (ANNs).

Nel recente studio, il framework TAMER è stato adattato per addestrare un modello basato sull'apprendimento automatico per trasmettere diverse emozioni umane producendo diverse espressioni facciali nel robot iCub. iCub è una piattaforma robotica open source sviluppata da un team di ricerca dell'Istituto Italiano di Tecnologia (IIT) nell'ambito del progetto UE RobotCub, che viene spesso utilizzato nella ricerca robotica per valutare algoritmi di apprendimento automatico.

"Il robot utilizza una combinazione di una rete neurale convoluzionale (CNN) e una mappa auto-organizzante (SOM) per riconoscere un'emozione e poi impara ad esprimerla usando un MLP, " hanno scritto i ricercatori nel loro articolo. "Il nostro obiettivo era insegnare a un robot a rispondere adeguatamente alla percezione delle emozioni di un utente e imparare come esprimere emozioni diverse".

La CNN utilizzata dai ricercatori analizza le immagini delle espressioni facciali di un utente umano, catturato dal robot iCub. Le rappresentazioni dei tratti del viso prodotte da questa analisi vengono quindi inviate a un SOM, che svela modelli particolari nel modo in cui l'utente ha espresso una particolare emozione.

Successivamente, questi modelli sono modellati e utilizzati per addestrare un MLP a prevedere come le caratteristiche facciali di iCub possono essere adattate per imitare al meglio le espressioni facciali dell'utente. L'utente umano premia quindi il robot in base alla precisione con cui ha espresso una determinata emozione.

"Una volta che l'iCub si comporta e agisce, ci si aspetta che l'utente lo ricompensi, dandogli così un valore target da raggiungere, " hanno spiegato i ricercatori nel loro articolo. "Questo viene fatto chiedendo all'utente di imitare il robot, dandogli informazioni su quanto l'azione eseguita differisce dall'azione prevista."

Col tempo, in base ai premi che riceve dagli utenti umani, il quadro ideato dai ricercatori dovrebbe imparare ad esprimere ciascuna delle sette emozioni universali. Finora, la tecnica è stata valutata in una serie di esperimenti preliminari utilizzando la piattaforma robotica iCub, ottenendo risultati abbastanza promettenti.

"Sebbene i risultati siano stati promettenti e abbiano ridotto significativamente il tempo necessario per l'allenamento, il nostro metodo richiedeva ancora più di 100 interazioni per utente per apprendere espressioni significative, " hanno detto i ricercatori. "Questo numero dovrebbe diminuire con miglioramenti nelle metodologie di formazione e raccogliendo più dati per la formazione".

© 2020 Scienza X Rete