Um modelo de aprendizado profundo que gera comportamento social não verbal para robôs

TX, 24/11/2022 

Por Ingrid Fadelli 

Pesquisadores do Instituto de Pesquisa em Eletrônica e Telecomunicações (ETRI) na Coréia desenvolveram recentemente um modelo baseado em aprendizado profundo que pode ajudar a produzir comportamentos sociais não-verbais envolventes, como abraçar ou apertar a mão de alguém, em robôs. Seu modelo, apresentado em um artigo pré-publicado no arXiv, pode aprender ativamente novos comportamentos sociais apropriados ao contexto, observando as interações entre humanos.

“Técnicas de aprendizado profundo produziram resultados interessantes em áreas como visão computacional e compreensão de linguagem natural”, disse Woo-Ri Ko, um dos pesquisadores que realizou o estudo, ao TechXplore. "Decidimos aplicar o aprendizado profundo à robótica social, especificamente permitindo que os robôs aprendam o comportamento social a partir de interações humano-humano por conta própria. Nosso método não requer conhecimento prévio de modelos de comportamento humano, que geralmente são caros e demorados para implementar."

A arquitetura baseada em rede neural artificial (ANN) desenvolvida por Ko e seus colegas combina o modelo Seq2Seq (sequência a sequência) introduzido pelos pesquisadores do Google em 2014 com redes adversárias generativas (GANs). A nova arquitetura foi treinada no conjunto de dados AIR-Act2Act, uma coleção de 5.000 interações humano-humano ocorrendo em 10 cenários diferentes.

"A arquitetura de rede neural proposta consiste em um codificador, decodificador e discriminador", explicou Ko. "O codificador codifica o comportamento atual do usuário, o decodificador gera o próximo comportamento do robô de acordo com o usuário atual e os comportamentos do robô, e o discriminador evita que o decodificador gere sequências de pose inválidas ao gerar comportamento de longo prazo."

As 5.000 interações incluídas no conjunto de dados AIR-Act2Act foram usadas para extrair mais de 110.000 exemplos de treinamento (ou seja, vídeos curtos), nos quais os humanos realizaram comportamentos sociais não-verbais específicos enquanto interagiam com outros. Os pesquisadores treinaram especificamente seu modelo para gerar cinco comportamentos não-verbais para robôs, ou seja, curvar-se, olhar fixamente, apertar as mãos, abraçar e bloquear o próprio rosto.

Ko e seus colegas avaliaram seu modelo de geração de comportamento social não-verbal em uma série de simulações, aplicando-o especificamente a uma versão simulada do Pepper, um robô humanóide amplamente utilizado em ambientes de pesquisa. Suas descobertas iniciais foram promissoras, pois seu modelo gerou com sucesso os cinco comportamentos nos quais foi treinado em momentos apropriados durante interações simuladas com humanos.

“Mostramos que é possível ensinar aos robôs diferentes tipos de comportamentos sociais usando uma abordagem de aprendizado profundo”, disse Ko. "Nosso modelo também pode gerar comportamentos mais naturais, em vez de repetir comportamentos predefinidos na abordagem baseada em regras existente. Com o robô gerando esses comportamentos sociais, os usuários sentirão que seu comportamento é compreendido e emocionalmente cuidado."

O novo modelo criado por essa equipe de pesquisadores pode ajudar a tornar os robôs sociais mais adaptáveis ​​e socialmente responsivos, o que, por sua vez, pode melhorar a qualidade geral e o fluxo de suas interações com usuários humanos. No futuro, poderá ser implementado e testado em uma ampla gama de sistemas robóticos, incluindo robôs de atendimento domiciliar, robôs de guia, robôs de entrega, robôs educacionais e robôs de telepresença.

“Pretendemos agora realizar mais experimentos para testar a capacidade de um robô de exibir comportamentos sociais apropriados quando implantado no mundo prático e encarando um ser humano; o gerador de comportamento proposto seria testado quanto à sua robustez a dados de entrada ruidosos que um robô provavelmente adquirirá.", Ko acrescentou. “Além disso, ao coletar e aprender mais dados de interação, planejamos ampliar o número de comportamentos sociais e ações complexas que um robô pode exibir”.

Artigos recomendados: DL e ML

Fonte:https://techxplore.com/news/2022-11-deep-generates-nonverbal-social-behavior.html