Forskare vid University of Surrey och University of Hamburg har presenterat ett revolutionerande tillvägagångssätt för att träna sociala robotar, vilket eliminerar behovet av mänskliga deltagare under de tidiga utvecklingsfaserna. Studien, som kommer att presenteras vid årets IEEE International Conference on Robotics and Automation (ICRA), markerar ett betydande framsteg i hur sociala robotar utvecklas och testas.
Forskarteamet har utvecklat en dynamisk modell för förutsägelse av blickrörelser som gör det möjligt för humanoida robotar att förutse var människor kommer att titta under sociala interaktioner. Med hjälp av två publikt tillgängliga datamängder visade de att robotar effektivt kan efterlikna mänskliga ögonrörelser utan övervakning i realtid av människor. Detta genombrott är särskilt värdefullt eftersom modellen bibehåller sin noggrannhet även i oförutsägbara miljöer, vilket gör den lämplig för användning i verkliga tillämpningar.
"Att använda robotsimuleringar istället för tidiga mänskliga försök är ett stort steg framåt för social robotik," förklarar Dr. Di Fu, medförfattare till studien och lektor i kognitiv neurovetenskap vid University of Surrey. "Det innebär att vi kan testa och förfina modeller för social interaktion i stor skala, vilket gör robotar bättre på att förstå och svara på människor."
Konsekvenserna av denna forskning sträcker sig långt utanför laboratoriet. Genom att ta bort flaskhalsen med mänskliga tester kan utvecklare avsevärt påskynda skapandet och förfiningen av socialt kompetenta robotar. Detta kan leda till snabbare implementering inom kritiska sektorer som vården, där sociala robotar i allt högre grad används för att stödja patientvård och bistå medicinsk personal. Inom utbildning kan dessa robotar erbjuda personligt anpassade lärandeupplevelser, medan kundtjänstapplikationer kan dra nytta av mer naturliga interaktioner mellan människa och robot.
Forskarna planerar att vidareutveckla sitt tillvägagångssätt för att utforska social medvetenhet i robotars förkroppsligande och testa dess effektivitet i mer komplexa sociala miljöer med olika typer av robotar. I takt med att simuleringstekniken fortsätter att utvecklas, lovar den att ytterligare effektivisera utvecklingen av robotar som kan engagera sig meningsfullt med människor i vardagliga sammanhang.
Denna innovation utgör ett stort steg mot mer autonoma AI-utvecklingsprocesser och kan potentiellt förändra hur vi designar och implementerar sociala robotar inom en rad olika branscher.