Contexto da pesquisa
A equipe de roboticistas do Laboratório de Robótica Colaborativa da Universidade de Canberra, em parceria com um sociólogo da Australian National University, investiga as interações humanas com robôs humanoides equipados com modelos de linguagem de grande porte (LLMs). A pesquisa foi publicada na revista Scientific Reports e aborda o impacto dessa tecnologia em eventos ao vivo.
Método proposto
O robô Pepper, já capaz de interagir de maneira simples e manter contato visual, recebeu uma integração com o LLM ChatGPT. O robô foi posicionado em um festival de inovação, onde os participantes foram incentivados a interagir com ele. A aproximação empregou registros de interações e feedback dos usuários, permitindo observar o comportamento e as respostas em tempo real.
Resultados e impacto
A análise das interações revelou reações diversas entre os participantes. Enquanto alguns acharam a capacidade do robô interessante, outros expressaram insatisfação e sugeriram melhorias. “As reações aos robôs com capacidades de LLM foram variadas, refletindo preconcepções e falhas do robô, como a demora nas respostas” (“The reactions to LLM-enabled robots were mixed, reflecting preconceptions and glitches like delayed responses”) — Damith Herath, Pesquisador, Universidade de Canberra.
A pesquisa categoriza as respostas em quatro temas principais: ideias para aprimoramento, respostas emocionais, expectativas e opiniões sobre a estética do robô. A equipe identifica que a discrepância entre a habilidade do LLM e o design do robô pode gerar desconforto, especialmente devido à incapacidade do robô de interpretar expressões faciais humanas enquanto mantém o olhar.
As implicações desses achados são consideráveis, indicando que, apesar do potencial de tecnologias baseadas em LLM, suas implementações práticas em robôs humanoides ainda requerem refinamento para atender às expectativas dos usuários. Futuros desenvolvimentos podem incluir melhorias na capacidade de reconhecimento facial e uma maior eficiência nas respostas.
Fonte: (TechXplore – Machine Learning & AI)
