Isang rebolusyonaryong tagumpay sa larangan ng social robotics ang nagbabago kung paano natututo ang mga makina na makipag-ugnayan sa tao. Nakabuo ang mga mananaliksik ng isang simulation system na nagbibigay-daan sa pagsasanay ng mga social robot nang hindi na kinakailangan ang aktuwal na mga kalahok na tao, na posibleng magpabago sa takbo ng pag-unlad sa larangang ito.
Ang pag-aaral, na ipinresenta sa 2025 IEEE International Conference on Robotics and Automation (ICRA), ay isinagawa ng koponan mula sa University of Surrey at University of Hamburg. Nakatuon ang kanilang pamamaraan sa isang dynamic scanpath prediction model na tumutulong sa mga robot na mahulaan kung saan natural na titingin ang mga tao sa mga interaksiyong panlipunan.
"Pinapayagan ng aming pamamaraan na masuri kung ang robot ay nakatuon sa tamang bagay—gaya ng isang tao—nang hindi na kailangan ng real-time na superbisyon ng tao," paliwanag ni Dr. Di Fu, co-lead ng pag-aaral at lektor sa Cognitive Neuroscience sa University of Surrey.
Ipinakita ng research team ang bisa ng kanilang modelo gamit ang dalawang pampublikong dataset, na nagpapakitang matagumpay na nagagaya ng mga humanoid robot ang galaw ng mata ng tao. Sa pamamagitan ng pag-project ng human gaze priority maps sa isang screen, direktang inihambing nila ang tinutok ng atensyon ng robot sa aktuwal na datos, kaya't hindi na kailangan ng malakihang pag-aaral ng interaksyon ng tao at robot sa mga unang yugto ng pananaliksik.
Tinutugunan ng inobasyong ito ang isang malaking hadlang sa pag-unlad ng social robotics. Dati, kinakailangan ng maraming kalahok na tao upang sanayin at subukan ang mga robot na dinisenyo para sa mga panlipunang sitwasyon tulad ng edukasyon, pangangalagang pangkalusugan, at serbisyo sa kostumer. Ilan sa mga halimbawa ng ganitong robot ay sina Pepper, isang retail assistant, at Paro, isang therapeutic robot para sa mga pasyenteng may dementia.
Sa pamamagitan ng pagbibigay-daan sa mga mananaliksik na subukan at pinuhin ang mga modelong panlipunang interaksyon sa mas malawak na saklaw gamit ang simulation bago ito ilunsad sa totoong mundo, maaaring mapabilis nang husto ng tagumpay na ito ang development cycle ng mga social robot habang binabawasan ang gastos at pinapahusay ang kanilang bisa sa mga kapaligirang may tao.