menu
close

Roboter meistern soziale Fähigkeiten ohne menschliche Aufsicht

Forschende der Universität Surrey und der Universität Hamburg haben eine bahnbrechende Simulationsmethode entwickelt, die menschliche Teilnehmende beim Training sozialer Roboter überflüssig macht. Die am 19. Mai 2025 veröffentlichte Studie stellt ein dynamisches Scanpath-Vorhersagemodell vor, das es Robotern ermöglicht, vorherzusagen, wohin Menschen in sozialen Situationen blicken würden, und so menschliche Augenbewegungen effektiv nachahmt. Dieser Fortschritt könnte die Entwicklung sozialer Robotik erheblich beschleunigen, da ein zentrales Nadelöhr im Trainingsprozess entfällt.
Roboter meistern soziale Fähigkeiten ohne menschliche Aufsicht

Ein revolutionärer Durchbruch in der sozialen Robotik verändert die Art und Weise, wie Maschinen den Umgang mit Menschen erlernen. Forschende haben ein Simulationssystem entwickelt, das es ermöglicht, soziale Roboter ohne den Einsatz menschlicher Teilnehmender zu trainieren – ein Potenzial, das den Entwicklungszeitraum der Branche grundlegend verkürzen könnte.

Die Studie, die auf der IEEE International Conference on Robotics and Automation (ICRA) 2025 vorgestellt wurde, stammt von einem Team der Universität Surrey und der Universität Hamburg. Im Mittelpunkt steht ein dynamisches Scanpath-Vorhersagemodell, das Robotern hilft, vorherzusehen, wohin Menschen während sozialer Interaktionen typischerweise blicken.

„Unsere Methode erlaubt es uns zu testen, ob ein Roboter auf die richtigen Dinge achtet – genau wie ein Mensch – und das ganz ohne menschliche Aufsicht in Echtzeit“, erklärt Dr. Di Fu, Co-Leiterin der Studie und Dozentin für Kognitive Neurowissenschaften an der Universität Surrey.

Das Forschungsteam validierte ihr Modell anhand von zwei öffentlich verfügbaren Datensätzen und zeigte, dass humanoide Roboter erfolgreich menschliche Augenbewegungen nachahmen können. Indem sie menschliche Blick-Prioritätskarten auf einen Bildschirm projizierten, verglichen sie direkt den vorhergesagten Aufmerksamkeitsfokus des Roboters mit realen Daten. So entfällt in frühen Forschungsphasen die Notwendigkeit groß angelegter Mensch-Roboter-Interaktionsstudien.

Diese Innovation beseitigt ein wesentliches Nadelöhr in der Entwicklung sozialer Robotik. Bislang waren zahlreiche menschliche Teilnehmende nötig, um Roboter für soziale Umgebungen wie Bildung, Gesundheitswesen oder Kundenservice zu trainieren und zu testen. Beispiele für solche Roboter sind Pepper, ein Assistent im Einzelhandel, und Paro, ein therapeutischer Roboter für Demenzpatienten.

Indem Forschende nun Interaktionsmodelle im großen Maßstab per Simulation testen und verfeinern können, bevor sie im realen Umfeld eingesetzt werden, könnte dieser Durchbruch den Entwicklungszyklus sozialer Roboter drastisch beschleunigen, die Kosten senken und ihre Wirksamkeit im menschlichen Alltag verbessern.

Source:

Latest News