Muitas crianças com autismo enfrentam atrasos no desenvolvimento, incluindo desafios de comunicação e comportamento e dificuldades de interação social. Isso torna o aprendizado de novas habilidades um grande desafio, especialmente em ambientes escolares tradicionais.

Pesquisas anteriores sugerem que robôs com assistência social podem ajudar crianças com autismo a aprender. Mas essas intervenções terapêuticas funcionam melhor se o robô puder interpretar com precisão o comportamento da criança e reagir de forma adequada.

Agora, pesquisadores do Departamento de Ciência da Computação da USC desenvolveram robôs de aprendizagem personalizados para crianças com autismo. Eles também estudaram se os robôs poderiam estimar o interesse de uma criança em uma tarefa usando o aprendizado de máquina.

Em um dos maiores estudos desse tipo, os pesquisadores colocaram um robô de apoio social nas casas de 17 crianças com autismo por um mês. Os robôs personalizaram suas instruções e feedback para os padrões de aprendizagem exclusivos de cada criança durante as intervenções.

Depois que o estudo foi concluído, os pesquisadores também analisaram o engajamento dos participantes e determinaram que o robô poderia ter detectado autonomamente se a criança estava engajada ou não com 90% de precisão. Os resultados dos experimentos foram publicados no Fronteiras em robótica e IA e Ciência Robótica , periódicos em 6 de novembro e 26 de fevereiro, respectivamente.

Tornando os robôs mais inteligentes

Os robôs são limitados em sua capacidade de reconhecer e responder de forma autônoma a pistas comportamentais, especialmente em usuários atípicos e ambientes do mundo real. Este estudo é o primeiro a modelar os padrões de aprendizagem e envolvimento de crianças com autismo em um longo prazo, ambiente doméstico.

"Os sistemas robóticos atuais são muito rígidos, "disse o autor principal Shomik Jain, um estudante de matemática progressista orientado pela pioneira em robótica socialmente assistencial, Professora Maja Matarić.

"Se você pensa em um ambiente real de aprendizagem, o professor vai aprender coisas sobre a criança, e a criança aprenderá coisas com eles. É um processo bidirecional e isso não acontece com os sistemas robóticos atuais. Este estudo tem como objetivo tornar os robôs mais inteligentes, entendendo o comportamento da criança e respondendo a ele em tempo real. "

Os pesquisadores enfatizam que o objetivo é aumentar a terapia humana, não substituí-lo.

"Terapeutas humanos são cruciais, mas podem nem sempre estar disponíveis ou acessíveis para as famílias, "disse Kartik Mahajan, estudante de graduação em ciência da computação e coautor de estudos. "É aí que entram robôs de assistência social como este."

Aprimorando a experiência de aprendizagem

Financiado por uma bolsa da National Science Foundation (NSF) concedida a Matarić, a equipe de pesquisa colocou o robô Kiwi nas casas de 17 crianças com transtornos do espectro do autismo por cerca de um mês. As crianças participantes tinham entre 3 e 7 anos e eram da grande Los Angeles.

Durante as intervenções quase diárias, as crianças jogavam jogos de matemática com tema espacial em um tablet enquanto Kiwi, um robô de 60 centímetros vestido como um pássaro de penas verdes, forneceu instruções e feedback.

O feedback de Kiwi e a dificuldade dos jogos foram personalizados em tempo real de acordo com os padrões de aprendizagem exclusivos de cada criança. A equipe de Matarić no Laboratório de Interação da USC conseguiu isso usando aprendizagem por reforço, um subcampo de rápido crescimento da inteligência artificial (IA).

Os algoritmos monitoravam o desempenho da criança nos jogos matemáticos. Por exemplo, se uma criança respondeu corretamente, Kiwi diria algo como, "Bom trabalho!". Se eles erraram uma pergunta, Kiwi pode dar-lhes algumas dicas úteis para resolver o problema, e ajustar a dificuldade e feedback em jogos futuros. O objetivo era maximizar a dificuldade, sem forçar o aluno a cometer muitos erros.

"Se você não tem ideia de qual é o nível de habilidade da criança, você simplesmente joga um monte de problemas variados para eles e isso não é bom para o engajamento ou aprendizagem deles, "disse Jain.

"Mas se o robô é capaz de encontrar um nível de dificuldade apropriado para os problemas, então isso pode realmente melhorar a experiência de aprendizagem. "

A fronteira final

Existe um ditado popular entre as pessoas com autismo e suas famílias:Se você conheceu uma pessoa com autismo, você conheceu uma pessoa com autismo.

"O autismo é a fronteira definitiva para a personalização robótica, porque como qualquer pessoa que sabe sobre autismo vai te dizer, cada indivíduo tem uma constelação de sintomas e diferentes gravidades de cada sintoma, "disse Matarić, Chan Soon-Shiong Distinto Professor de Ciência da Computação, Neurociência, e Pediatria e Vice-Presidente Interino de Pesquisa.

Isso representa um desafio específico para o aprendizado de máquina, que geralmente depende da detecção de padrões consistentes em grandes quantidades de dados semelhantes. É por isso que a personalização é tão importante.

"Se dermos uma sugestão de uma criança, podemos alcançar muito mais do que apenas seguir um script, "disse Matarić." As abordagens normais de IA falham com o autismo. Os métodos de IA requerem muitos dados semelhantes e isso simplesmente não é possível com o autismo, onde reina a heterogeneidade. "

Os pesquisadores abordaram esse problema em sua análise do envolvimento das crianças após a intervenção. Modelos de computador de engajamento foram desenvolvidos combinando muitos tipos de dados, incluindo olhar fixo e pose de cabeça, tom e frequência de áudio, e desempenho na tarefa.

Fazer esses algoritmos funcionarem usando dados do mundo real apresentou um grande desafio, dado o ruído e a imprevisibilidade que o acompanham.

"Este experimento foi bem no centro de sua experiência de aprendizagem, "disse Kartik, que ajudou a instalar os robôs nos lares das crianças.

"Havia gatos pulando no robô, um liquidificador explodindo na cozinha, e pessoas entrando e saindo da sala. "Como tal, os algoritmos de aprendizado de máquina precisavam ser sofisticados o suficiente para focar nas informações pertinentes relacionadas à sessão de terapia e dispensar o "ruído" do ambiente.

Melhorando a interação humano-robô

As avaliações foram realizadas antes e após as intervenções de um mês. Embora os pesquisadores esperassem ver algumas melhorias nos participantes, os resultados superaram as expectativas. No final da intervenção do mês, 100% dos participantes demonstraram melhores habilidades matemáticas, enquanto 92% também melhoraram em habilidades sociais.

Em análises pós-experimento, os pesquisadores também foram capazes de recolher algumas outras informações interessantes dos dados que poderiam nos dar uma olhada na receita para interações robô-criança ideais.

O estudo observou um maior envolvimento de todos os participantes logo após o robô ter falado. Especificamente, os participantes estavam engajados cerca de 70% do tempo quando o robô havia falado no minuto anterior, mas menos de 50% das vezes quando o robô não falava por mais de um minuto.

Embora um modelo personalizado para cada usuário seja ideal, os pesquisadores também determinaram que era possível obter resultados adequados usando modelos de engajamento treinados com dados de outros usuários.

Além disso, o estudo observou que os cuidadores só tinham que intervir quando a criança perdia o interesse por um longo período de tempo. Em contraste, os participantes geralmente voltam a se engajar sozinhos após períodos mais curtos de desinteresse. Isso sugere que os sistemas robóticos devem se concentrar em neutralizar períodos mais longos de desligamento.

O laboratório de Matarić continuará a estudar os dados coletados no experimento:Um subprojeto ativo envolve a análise e modelagem dos estados cognitivo-afetivos das crianças, incluindo emoções como confusão ou excitação. O projeto, liderado por graduação progressiva no estudante de ciência da computação Zhonghao Shi, visa projetar tutores de robôs com consciência de afeto e socialmente assistivos que são ainda mais sensíveis às emoções e humores de seus usuários no contexto de aprendizagem.

"A esperança é que estudos futuros neste laboratório e em outros lugares possam levar todas as coisas que aprendemos e, com sorte, projetar interações homem-robô mais envolventes e personalizadas, "disse Jain.