Revolučný prelom v oblasti sociálnej robotiky mení spôsob, akým sa stroje učia interagovať s ľuďmi. Výskumníci vyvinuli simulačný systém, ktorý umožňuje trénovať sociálnych robotov bez potreby ľudských účastníkov, čo môže zásadne ovplyvniť časový harmonogram vývoja v tejto oblasti.
Štúdia, prezentovaná na Medzinárodnej konferencii o robotike a automatizácii IEEE (ICRA) 2025, bola realizovaná tímom z University of Surrey a University of Hamburg. Ich prístup je založený na dynamickom modeli predikcie pohybov očí, ktorý pomáha robotom predvídať, kam by sa ľudia prirodzene pozerali počas sociálnych interakcií.
„Naša metóda nám umožňuje testovať, či robot venuje pozornosť správnym veciam – rovnako ako človek – bez potreby neustáleho ľudského dohľadu,“ vysvetľuje Dr. Di Fu, spoluvedúca štúdie a lektorka kognitívnej neurovedy na University of Surrey.
Výskumný tím overil svoj model pomocou dvoch verejne dostupných dátových súborov a ukázal, že humanoidní roboti dokážu úspešne napodobňovať ľudské pohyby očí. Projekciou máp priorít ľudského pohľadu na obrazovku priamo porovnávali predpokladané zameranie pozornosti robota so skutočnými údajmi, čím odstránili potrebu rozsiahlych štúdií interakcie človek-robot v počiatočných fázach výskumu.
Táto inovácia rieši významnú prekážku vo vývoji sociálnej robotiky. Doteraz výskumníci potrebovali množstvo ľudských účastníkov na trénovanie a testovanie robotov určených pre sociálne prostredia, ako sú vzdelávanie, zdravotníctvo či zákaznícke služby. Príkladmi takýchto robotov sú Pepper, asistent v maloobchode, a Paro, terapeutický robot pre pacientov s demenciou.
Vďaka možnosti testovať a zdokonaľovať modely sociálnej interakcie vo veľkom rozsahu prostredníctvom simulácie pred nasadením v reálnom svete by tento prelom mohol dramaticky urýchliť vývojový cyklus sociálnych robotov, znížiť náklady a zvýšiť ich efektivitu v ľudskom prostredí.