Модель глубокого обучения, которая генерирует невербальное социальное поведение для роботов.
A deep learning model that generates nonverbal social behavior for robots
Генерация социального поведения робота включает в себя назначение следующего поведения робота, чтобы реагировать на текущее поведение пользователя, сохраняя при этом преемственность с текущим поведением робота.

Исследователи из Научно-исследовательского института электроники и телекоммуникаций (ETRI) в Корее недавно разработали модель, основанную на глубоком обучении, которая может помочь в создании привлекательных невербальных социальных действий, таких как объятия или рукопожатие у роботов. Их модель, представленная в статье, предварительно опубликованной на arXiv, может активно изучать новое социальное поведение, соответствующее контексту, наблюдая за взаимодействием между людьми.

«Методы глубокого обучения дали интересные результаты в таких областях, как компьютерное зрение и понимание естественного языка», — сказал TechXplore Ву-Ри Ко, один из исследователей, проводивших исследование. «Мы решили применить глубокое обучение к социальной робототехнике, в частности, позволив роботам самостоятельно изучать социальное поведение на основе взаимодействия между людьми. Наш метод не требует предварительных знаний о моделях человеческого поведения, которые обычно требуют больших затрат и времени для реализации. ."

Архитектура на основе искусственной нейронной сети (ИНС), разработанная Ко и его коллегами, сочетает в себе модель Seq2Seq (последовательность к последовательности), представленную исследователями Google в 2014 году, с генеративно-состязательными сетями (GAN). Новая архитектура была обучена на наборе данных AIR-Act2Act, наборе из 5000 взаимодействий между людьми, происходящих в 10 различных сценариях.

«Предлагаемая архитектура нейронной сети состоит из кодировщика, декодера и дискриминатора», — пояснил Ко. «Кодер кодирует текущее поведение пользователя, декодер генерирует следующее поведение робота в соответствии с текущим поведением пользователя и робота, а дискриминатор предотвращает вывод декодером недопустимых последовательностей поз при создании долгосрочного поведения».

5000 взаимодействий, включенных в набор данных AIR-Act2Act, были использованы для извлечения более 110 000 обучающих образцов (то есть коротких видеороликов), в которых люди выполняли определенные невербальные социальные действия во время взаимодействия с другими. Исследователи специально обучили свою модель генерировать пять невербальных действий роботов, а именно поклоны, взгляд, рукопожатие, объятия и блокирование собственного лица.

Ко и его коллеги оценили свою модель генерации невербального социального поведения в серии симуляций, в частности, применив ее к моделируемой версии Pepper, робота-гуманоида, который широко используется в исследовательских целях. Их первоначальные результаты были многообещающими, поскольку их модель успешно генерировала пять типов поведения, которым она обучалась в соответствующее время во время симулированного взаимодействия с людьми.

«Мы показали, что можно научить роботов различным видам социального поведения, используя подход глубокого обучения», — сказал Ко. «Наша модель также может генерировать более естественное поведение вместо повторения заранее определенного поведения в существующем подходе, основанном на правилах. С роботом, генерирующим это социальное поведение, пользователи будут чувствовать, что их поведение понимают и эмоционально заботятся».

Новая модель, созданная этой группой исследователей, может помочь сделать социальных роботов более адаптивными и социально чувствительными, что, в свою очередь, может улучшить общее качество и скорость их взаимодействия с пользователями-людьми. В будущем его можно будет внедрить и протестировать на широком спектре робототехнических систем, включая роботов для обслуживания дома, роботов-проводников, роботов-доставщиков, образовательных роботов и роботов телеприсутствия.

«Теперь мы намерены провести дальнейшие эксперименты, чтобы проверить способность робота демонстрировать соответствующее социальное поведение при развертывании в реальном мире и лицом к лицу с человеком; предложенный генератор поведения будет проверен на его устойчивость к зашумленным входным данным, которые робот, вероятно, получит. ", - добавил Ко. «Более того, собирая и изучая больше данных о взаимодействии, мы планируем увеличить количество социальных моделей поведения и сложных действий, которые может демонстрировать робот».

Образец цитирования : модель глубокого обучения, которая генерирует невербальное социальное поведение роботов (24 ноября 2022 г.), получено 28 ноября 2022 г. с https://techxplore.com/news/2022-11-deep-generates-nonverbal-social-behavior.html.
Этот документ защищен авторским правом. За исключением любой честной сделки с целью частного изучения или исследования, никакая часть не может быть воспроизведена без письменного разрешения. Контент предоставляется только в ознакомительных целях.
РобототехникаМашинное обучение и ИИ
Дата публикации: 2022.11.28