menu
close

I robot imparano le abilità sociali senza supervisione umana

Ricercatori dell’Università di Surrey e dell’Università di Amburgo hanno sviluppato un metodo di simulazione rivoluzionario che elimina la necessità di partecipanti umani nell’addestramento dei robot sociali. Lo studio, pubblicato il 19 maggio 2025, introduce un modello predittivo dinamico di scanpath che consente ai robot di prevedere dove gli esseri umani guarderebbero in contesti sociali, imitando efficacemente i movimenti oculari umani. Questo progresso potrebbe accelerare notevolmente lo sviluppo della robotica sociale, rimuovendo uno dei principali ostacoli nel processo di addestramento.
I robot imparano le abilità sociali senza supervisione umana

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.

Source:

Latest News