Avanços em AI: Humanidade Retirada do Processo de Treinamento de Robôs Sociais

São Paulo — InkDesign News — Um novo estudo da Universidade de Surrey e da Universidade de Hamburgo apresenta um método inovador em machine learning que elimina a necessidade de supervisão humana no treinamento de robôs sociais, acelerando a pesquisa e ampliando suas aplicações.

Contexto da pesquisa

A pesquisa foi apresentada na Conferência Internacional de Robótica e Automação do IEEE (ICRA). Os robôs sociais, projetados para interagir com humanos por meio de fala, gestos e expressões, têm ganho destaque em setores como educação e saúde, sendo exemplos notáveis o robô Pepper, um assistente de varejo, e o robô Paro, utilizado em terapia para pacientes com demência.

Método proposto

A equipe de pesquisa desenvolveu um modelo dinâmico de previsão de pontos de fixação, permitindo que o robô humanoide anticipe onde uma pessoa provavelmente olhará em uma configuração social. O modelo foi testado com dois conjuntos de dados publicamente disponíveis, visando precisão em ambientes ruidosos e imprevisíveis.

“Nosso método permite avaliar se um robô está prestando atenção nas coisas corretas—exatamente como um humano faria—sem a necessidade de supervisão humana em tempo real. O que é empolgante é que o modelo permanece preciso mesmo em ambientes barulhentos e imprevisíveis, tornando-se uma ferramenta promissora para aplicações do mundo real, como educação, saúde e atendimento ao cliente.”
(“Our method allows us to test whether a robot is paying attention to the right things—just as a human would—without needing real-time human supervision. What’s exciting is that the model remains accurate even in noisy, unpredictable environments, making it a promising tool for real-world applications like education, health care, and customer service.”)

— Dr. Di Fu, Professor, Universidade de Surrey

Resultados e impacto

A pesquisa demonstrou que os robôs humanoides podem imitar movimentos oculares semelhantes aos humanos. O modelo validou a comparação entre a atenção prevista dos robôs e dados reais, o que permitiu a avaliação direta dos modelos de atenção social em condições realistas e reduziu a necessidade de estudos em larga escala de interação humano-robô nas fases iniciais da pesquisa.

“Usar simulações robóticas em vez de testes humanos em estágios iniciais é um grande avanço para a robótica social. Isso significa que podemos testar e refinar modelos de interação social em grande escala, tornando os robôs melhores em entender e responder às pessoas.”
(“Using robotic simulations instead of early-stage human trials is a major step forward for social robotics. It means we can test and refine social interaction models at scale, making robots better at understanding and responding to people.”)

— Dr. Di Fu, Professor, Universidade de Surrey

Os próximos passos incluem a aplicação deste método para explorar a consciência social em robôs e sua eficácia em cenários sociais complexos com diferentes tipos de robôs.

Fonte: TechXplore – Machine Learning & AI