Una svolta rivoluzionaria nella robotica sociale sta cambiando il modo in cui le macchine imparano a interagire con gli esseri umani. I ricercatori hanno sviluppato un sistema di simulazione che permette di addestrare i robot sociali senza la necessità di partecipanti umani, con il potenziale di trasformare i tempi di sviluppo del settore.
Lo studio, presentato alla IEEE International Conference on Robotics and Automation (ICRA) 2025, è stato condotto da un team dell’Università di Surrey e dell’Università di Amburgo. Il loro approccio si basa su un modello predittivo dinamico di scanpath che aiuta i robot ad anticipare dove gli esseri umani guarderebbero naturalmente durante le interazioni sociali.
"Il nostro metodo ci permette di verificare se un robot presta attenzione agli elementi giusti – proprio come farebbe un essere umano – senza bisogno di supervisione umana in tempo reale", spiega la dottoressa Di Fu, co-responsabile dello studio e docente di Neuroscienze Cognitive presso l’Università di Surrey.
Il team di ricerca ha validato il proprio modello utilizzando due dataset pubblici, dimostrando che i robot umanoidi possono imitare con successo i movimenti oculari umani. Proiettando su uno schermo le mappe di priorità dello sguardo umano, hanno confrontato direttamente l’attenzione prevista dal robot con i dati reali, eliminando la necessità di studi su larga scala di interazione uomo-robot nelle fasi iniziali della ricerca.
Questa innovazione affronta uno dei principali ostacoli nello sviluppo della robotica sociale. In precedenza, i ricercatori avevano bisogno di numerosi partecipanti umani per addestrare e testare i robot destinati a contesti sociali come l’istruzione, la sanità e il customer service. Esempi di tali robot includono Pepper, assistente per la vendita al dettaglio, e Paro, robot terapeutico per pazienti affetti da demenza.
Consentendo ai ricercatori di testare e perfezionare su larga scala i modelli di interazione sociale tramite simulazione prima della loro applicazione nel mondo reale, questa scoperta potrebbe accelerare drasticamente il ciclo di sviluppo dei robot sociali, riducendo i costi e migliorando la loro efficacia negli ambienti umani.