Conforme os robôs entram em uma variedade de ambientes e começam a interagir com os humanos regularmente, eles devem ser capazes de se comunicar com os usuários da maneira mais eficaz possível. Ao longo da última década ou assim, pesquisadores em todo o mundo têm desenvolvido modelos baseados em aprendizado de máquina e outras técnicas computacionais que podem aprimorar as comunicações entre humanos e robôs.

Uma maneira de melhorar a forma como os robôs se comunicam com os usuários humanos é treiná-los para expressar emoções básicas, como tristeza, felicidade, medo e raiva. A capacidade de expressar emoções permitiria, em última análise, que os robôs transmitissem mensagens de forma mais eficaz, de maneiras que estão alinhadas com uma determinada situação.

Pesquisadores da Universidade de Hamburgo, na Alemanha, desenvolveram recentemente um método baseado em aprendizado de máquina para ensinar robôs a transmitir o que foi definido anteriormente como as sete emoções universais, ou seja, raiva, desgosto, temer, felicidade, tristeza, surpresa e um estado neutro. Em seu jornal, pré-publicado no arXiv, eles aplicaram e testaram sua técnica em um robô humanóide chamado iCub.

A nova abordagem proposta pelos pesquisadores inspira-se em uma estrutura desenvolvida anteriormente, chamada TAMER. TAMER é um algoritmo que pode ser usado para treinar perceptrons multicamadas (MLPs), uma classe de redes neurais artificiais (RNAs).

No estudo recente, a estrutura TAMER foi adaptada para treinar um modelo baseado em aprendizado de máquina para transmitir diferentes emoções humanas, produzindo diferentes expressões faciais no robô iCub. iCub é uma plataforma robótica de código aberto desenvolvida por uma equipe de pesquisa do Instituto Italiano de Tecnologia (IIT) como parte do projeto RobotCub da UE, que é frequentemente usado em pesquisas de robótica para avaliar algoritmos de aprendizado de máquina.

"O robô usa uma combinação de uma rede neural convolucional (CNN) e um mapa de auto-organização (SOM) para reconhecer uma emoção e, em seguida, aprende a expressar a mesma usando um MLP, "os pesquisadores escreveram em seu artigo." Nosso objetivo era ensinar um robô a responder adequadamente à percepção de emoções de um usuário e aprender como expressar emoções diferentes. "

A CNN usada pelos pesquisadores analisa imagens das expressões faciais de um usuário humano, capturado pelo robô iCub. As representações de características faciais produzidas por esta análise são então alimentadas a um SOM, que revela padrões particulares em como o usuário expressou uma emoção particular.

Subseqüentemente, esses padrões são modelados e usados ​​para treinar um MLP para prever como as características faciais do iCub podem ser adaptadas para melhor imitar as expressões faciais do usuário. O usuário humano então recompensa o robô com base na precisão com que ele expressou uma determinada emoção.

"Uma vez que o iCub executa e age, espera-se que o usuário o recompense, assim, dando a ele um valor alvo a ser alcançado, "os pesquisadores explicaram em seu artigo." Isso é feito pedindo ao usuário para imitar o robô, fornecendo informações sobre o quanto a ação executada difere da ação pretendida. "

Hora extra, com base nas recompensas que recebe de usuários humanos, a estrutura concebida pelos pesquisadores deve aprender a expressar cada uma das sete emoções universais. Até aqui, a técnica foi avaliada em uma série de experimentos preliminares usando a plataforma robótica iCub, alcançando resultados bastante promissores.

"Embora os resultados tenham sido promissores e tenham reduzido significativamente o tempo necessário para o treinamento, nosso método ainda exigia mais de 100 interações por usuário para aprender expressões significativas, ", disseram os pesquisadores." Espera-se que esse número diminua com as melhorias nas metodologias de treinamento e com a coleta de mais dados para o treinamento. "

© 2020 Science X Network