menu
close

Roboty opanowują umiejętności społeczne bez nadzoru człowieka

Naukowcy z Uniwersytetu Surrey oraz Uniwersytetu w Hamburgu opracowali przełomową metodę symulacji, która eliminuje konieczność udziału ludzi w procesie szkolenia robotów społecznych. W badaniu opublikowanym 19 maja 2025 roku przedstawiono dynamiczny model predykcji ścieżki wzroku, umożliwiający robotom przewidywanie, gdzie ludzie patrzyliby w sytuacjach społecznych, skutecznie naśladując ludzkie ruchy gałek ocznych. To osiągnięcie może znacząco przyspieszyć rozwój robotyki społecznej, usuwając główną przeszkodę w procesie szkoleniowym.
Roboty opanowują umiejętności społeczne bez nadzoru człowieka

Rewolucyjny przełom w dziedzinie robotyki społecznej zmienia sposób, w jaki maszyny uczą się interakcji z ludźmi. Naukowcy opracowali system symulacyjny, który pozwala szkolić roboty społeczne bez udziału ludzkich uczestników, co może diametralnie skrócić czas rozwoju tej dziedziny.

Badanie, zaprezentowane podczas konferencji IEEE International Conference on Robotics and Automation (ICRA) w 2025 roku, zostało przeprowadzone przez zespół z Uniwersytetu Surrey i Uniwersytetu w Hamburgu. Ich podejście opiera się na dynamicznym modelu predykcji ścieżki wzroku, który pomaga robotom przewidywać, gdzie ludzie naturalnie skierowaliby swój wzrok podczas interakcji społecznych.

"Nasza metoda pozwala sprawdzić, czy robot zwraca uwagę na odpowiednie elementy – tak jak zrobiłby to człowiek – bez potrzeby nadzoru człowieka w czasie rzeczywistym", wyjaśnia dr Di Fu, współkierująca badaniami i wykładowczyni neuronauki poznawczej na Uniwersytecie Surrey.

Zespół badawczy zweryfikował swój model, korzystając z dwóch publicznie dostępnych zbiorów danych, wykazując, że humanoidalne roboty mogą skutecznie naśladować ludzkie ruchy oczu. Poprzez projekcję map priorytetów spojrzenia na ekran, bezpośrednio porównali przewidywaną przez robota koncentrację uwagi z rzeczywistymi danymi, eliminując konieczność przeprowadzania na wczesnym etapie badań zakrojonych na szeroką skalę eksperymentów z udziałem ludzi i robotów.

To innowacyjne rozwiązanie rozwiązuje istotny problem w rozwoju robotyki społecznej. Dotychczas naukowcy potrzebowali wielu uczestników, aby szkolić i testować roboty przeznaczone do środowisk społecznych, takich jak edukacja, opieka zdrowotna czy obsługa klienta. Przykładami takich robotów są Pepper – asystent w handlu detalicznym oraz Paro – terapeutyczny robot dla osób z demencją.

Dzięki możliwości testowania i udoskonalania modeli interakcji społecznych na dużą skalę w symulacji, zanim zostaną wdrożone w rzeczywistych warunkach, to przełomowe osiągnięcie może znacząco przyspieszyć cykl rozwoju robotów społecznych, jednocześnie obniżając koszty i zwiększając ich skuteczność w środowisku człowieka.

Source:

Latest News