São Paulo — InkDesign News —
Pesquisadores da Universidade de Bristol propõem um novo paradigma na interação entre humanos e robôs, sugerindo que o “machine learning” deve ser usado para desenvolver robôs terapêuticos que respondam de forma autônoma às emoções humanas, assim como fazem os cavalos em intervenções assistidas.
Contexto da pesquisa
As intervenções assistidas por equinos (EAIs) têm demonstrado eficácia em ajudar pacientes com PTSD, trauma e autismo a regular suas emoções. O estudo, apresentado na CHI 25, aponta que robôs terapêuticos não devem ser apenas companheiros passivos, mas sim parceiros ativos que promovem a auto-regulação emocional dos usuários.
Método proposto
A pesquisa sugere que os robôs terapeutas incorporam técnicas baseadas em aprendizado de máquina, permitindo-lhes reconhecer sinais emocionais e responder adequadamente. Essa abordagem almeja imitar o efeito “espelho vivo” dos cavalos, que resistem a interações quando a pessoa está angustiada e se engajam quando ela demonstra calma e clareza. A implementação de algoritmos de aprendizado de máquina, como redes neurais profundas (DNNs), é fundamental para interpretar as sutilezas nas emoções humanas.
Resultados e impacto
Conforme afirmado pela pesquisadora Ellen Weir, “descobrimos que robôs terapêuticos devem ser co-trabalhadores ativos, similares aos cavalos em EAI” (
“we found that therapeutic robots should not be passive companions but active co-workers, like EAI horses.”
— Ellen Weir, Pesquisadora, Universidade de Bristol
).
O estudo propõe que a interação robô-humano vá além do simples conforto e busque promover uma verdadeira consciência emocional. Essa transformação no design de robôs pode abrir novas fronteiras no campo da terapia e da interação humano-robô em ambientes de trabalho, educação e liderança emocional.
À medida que a pesquisa avança, uma pergunta central permanece: os robôs podem realmente replicar a profundidade emocional das interações humano-animal? O progresso na leitura emocional e a resposta dinâmica dos robôs serão cruciais para determinar sua eficácia.
Fonte: (TechXplore – Machine Learning & AI)
