Home Notizie recenti Un nuovo approccio che potrebbe migliorare il modo in cui i robot...

Un nuovo approccio che potrebbe migliorare il modo in cui i robot interagiscono nei gruppi di conversazione

166
0

Hedayati ei suoi colleghi presentano nuovi metodi per ragionare sugli errori che fanno sì che uno o più partecipanti non vengano rilevati nei gruppi di conversazione. La riga superiore mostra le foto del mondo reale, la riga inferiore mostra la percezione del robot. A) Tre persone stanno conversando con un robot e sono state rilevate (indicate con i cappelli). B) Un nuovo partecipante si unisce alla conversazione e non viene rilevato. C) Gli algoritmi del team prevedono sia il numero di persone scomparse (1 in questo caso) sia la loro probabile posizione, consentendo al robot di comportarsi in modo più naturale. Credito: Hedayati & Szafir.

Per interagire efficacemente con gli esseri umani in contesti sociali affollati, come centri commerciali, ospedali e altri spazi pubblici, i robot dovrebbero essere in grado di partecipare attivamente sia alle interazioni di gruppo che individuali. Tuttavia, è stato riscontrato che la maggior parte dei robot esistenti ha prestazioni molto migliori quando comunica con i singoli utenti rispetto a gruppi di umani che conversano.

Hooman Hedayati e Daniel Szafir, due ricercatori dell’Università della Carolina del Nord a Chapel Hill, hanno recentemente sviluppato una nuova tecnica basata sui dati che potrebbe migliorare il modo in cui i robot comunicano con gruppi di umani. Questo metodo, presentato in un documento presentato alla Conferenza internazionale ACM/IEEE 2022 sull’interazione uomo-robot (HRI ’22), consente ai robot di prevedere le posizioni degli esseri umani nei gruppi di conversazione, in modo che non ignorino erroneamente una persona quando la sua i sensori sono completamente o parzialmente ostruiti.

“Essere in un gruppo di conversazione è facile per gli esseri umani ma impegnativo per i robot”, ha detto a TechXplore Hooman Hedayati, uno dei ricercatori che hanno condotto lo studio. “Immagina di parlare con un gruppo di amici e ogni volta che uno dei tuoi amici sbatte le palpebre, smette di parlare e chiede se sei ancora lì. Questo scenario potenzialmente fastidioso è più o meno ciò che può accadere quando un robot è in gruppi di conversazione”.

Uno dei motivi per cui molti robot occasionalmente si comportano male mentre partecipano a una conversazione di gruppo è che le loro azioni dipendono fortemente dai dati raccolti dai loro sensori (ad es. telecamere, sensori di profondità, ecc.). I sensori, tuttavia, sono soggetti a errori e talvolta possono essere ostruiti da movimenti improvvisi e ostacoli nell’ambiente circostante il robot.

“Se la telecamera del robot è mascherata da un ostacolo per un secondo, in modo simile a quando le persone sbattono le palpebre, il robot potrebbe non vedere quella persona e, di conseguenza, ignora l’utente”, ha spiegato Hedayati.

“In base alla mia esperienza, gli utenti trovano questi comportamenti inquietanti. L’obiettivo principale del nostro recente progetto era aiutare i robot a rilevare e prevedere la posizione di una persona non rilevata all’interno del gruppo di conversazione”.

Per prevedere la posizione delle persone in un gruppo di conversazione, Hedayati e Szafir hanno prima sviluppato un algoritmo che controlla le convinzioni di un robot su chi fa parte del gruppo e chi no. Questo algoritmo può rilevare gli errori di un robot (cioè se sta ignorando l’esistenza di una o più persone in un gruppo di conversazione). Successivamente, prevede la posizione dell’utente/utenti non rilevati analizzando i dati disponibili.

“Il nostro approccio si basa su una delle nostre osservazioni passate”, ha spiegato Hedayati. “In particolare, mentre stavamo ripulendo il “set di dati Babble” (un set di dati di gruppi di conversazione uomo-uomo), abbiamo scoperto che le persone tendono a rimanere in posizioni predefinite l’una rispetto all’altra. Ciò significa che se conosciamo la posizione di tutte le persone in una conversazione gruppo ad eccezione di uno, possiamo prevedere la sua posizione”.

Un nuovo approccio che potrebbe migliorare il modo in cui i robot interagiscono nei gruppi di conversazione

Mappe di calore che illustrano le regioni probabilistiche (cioè le posizioni dei partecipanti) in diverse dimensioni di formazione F dai set di dati SALSA e Babble. * indica dove si verificano discrepanze di annotazione a seguito di controlli manuali. Credito: Hedayati & Szafir.

La tecnica sviluppata da Hedayati e Szafir è stata addestrata su una serie di set di dati esistenti, contenenti filmati annotati di gruppi di utenti umani che conversano tra loro. Analizzando le posizioni di altri oratori in un gruppo, può prevedere con precisione la posizione di un utente non rilevato.

“Abbiamo dimostrato che possiamo modellare i comportamenti umani per i robot in modo che abbiano una migliore comprensione delle dinamiche dei gruppi di conversazione”, ha affermato Hedayati.

In futuro, il nuovo approccio introdotto da questo team di ricercatori potrebbe aiutare a migliorare le capacità di conversazione dei robot sia esistenti che di nuova concezione. Ciò a sua volta potrebbe renderli più facili da implementare in ampi spazi pubblici, inclusi centri commerciali, ospedali e ospedali.

“Ci dedichiamo al miglioramento dei gruppi di conversazione uomo-robot e ci sono molti problemi aperti interessanti in questo campo (ad esempio, come rilevare chi è l’oratore attivo, dove i robot dovrebbero stare in un gruppo, come unirsi a un gruppo, ecc. ),”, ha aggiunto Hedayati. “Il prossimo passo per noi sarà migliorare il comportamento dello sguardo dei robot in un gruppo di conversazione. Le persone trovano più intelligenti i robot con un comportamento dello sguardo migliore (ad es. robot che sanno chi sta parlando e guardandolo). Vogliamo migliorare il comportamento dello sguardo dei robot e rendere il gruppo di conversazione uomo-robot più piacevole per gli umani”.


© 2022 Scienza X Rete

Articolo precedenteLa “terapia diretta dall’ospite” potrebbe curare le malattie infettive, incluso il COVID, e limitare la resistenza ai farmaci
Articolo successivoCinque suggerimenti di verifica dei fatti da esperti di disinformazione