menu
close

Robôs Dominam Competências Sociais Sem Supervisão Humana

Investigadores da Universidade de Surrey e da Universidade de Hamburgo desenvolveram um método inovador de simulação que elimina a necessidade de participantes humanos no treino de robôs sociais. O estudo, publicado a 19 de maio de 2025, apresenta um modelo dinâmico de previsão de trajetórias visuais que permite aos robôs antecipar para onde os humanos olhariam em contextos sociais, imitando eficazmente os movimentos oculares humanos. Este avanço poderá acelerar significativamente o desenvolvimento da robótica social ao remover um dos principais obstáculos do processo de treino.
Robôs Dominam Competências Sociais Sem Supervisão Humana

Uma descoberta revolucionária na área da robótica social está a transformar a forma como as máquinas aprendem a interagir com humanos. Investigadores desenvolveram um sistema de simulação que permite treinar robôs sociais sem a necessidade de participantes humanos, podendo alterar drasticamente o cronograma de desenvolvimento deste campo.

O estudo, apresentado na Conferência Internacional IEEE sobre Robótica e Automação (ICRA) de 2025, foi conduzido por uma equipa da Universidade de Surrey e da Universidade de Hamburgo. A abordagem centra-se num modelo dinâmico de previsão de trajetórias visuais, que ajuda os robôs a antecipar para onde os humanos olhariam naturalmente durante interações sociais.

"O nosso método permite-nos testar se um robô está a prestar atenção aos elementos certos – tal como um humano faria – sem necessidade de supervisão humana em tempo real", explica a Dra. Di Fu, co-responsável pelo estudo e docente de Neurociência Cognitiva na Universidade de Surrey.

A equipa de investigação validou o modelo utilizando dois conjuntos de dados públicos, demonstrando que robôs humanoides conseguem imitar com sucesso os movimentos oculares humanos. Ao projetar mapas de prioridade do olhar humano num ecrã, compararam diretamente o foco de atenção previsto pelo robô com dados reais, eliminando a necessidade de estudos de larga escala de interação humano-robô nas fases iniciais da investigação.

Esta inovação resolve um dos principais obstáculos no desenvolvimento da robótica social. Até agora, os investigadores precisavam de inúmeros participantes humanos para treinar e testar robôs concebidos para ambientes sociais como educação, saúde e atendimento ao cliente. Exemplos destes robôs incluem o Pepper, um assistente de loja, e o Paro, um robô terapêutico para doentes com demência.

Ao permitir que os investigadores testem e refinem modelos de interação social em grande escala através de simulação antes da implementação no mundo real, este avanço poderá acelerar drasticamente o ciclo de desenvolvimento dos robôs sociais, reduzindo custos e aumentando a sua eficácia em ambientes humanos.

Source:

Latest News