Новости космоса и технологий. » Технологии » AIR-Act2Act: набор данных для обучения социальных роботов взаимодействию с пожилыми людьми

AIR-Act2Act: набор данных для обучения социальных роботов взаимодействию с пожилыми людьми

Опубликовал: Admin, 12-10-2020, 01:01, Технологии, 33, 0

AIR-Act2Act: набор данных для обучения социальных роботов взаимодействию с пожилыми людьми

Чтобы взаимодействовать с людьми и помогать им в повседневной жизни, роботы должны обладать как вербальными, так и невербальными коммуникативными способностями. Другими словами, они должны уметь понимать как то, что говорит пользователь, так и то, на что указывает его поведение, соответствующим образом адаптируя свою речь, поведение и действия.

Чтобы научить социальных роботов взаимодействовать с людьми, робототехникам необходимо обучать их на наборах данных, содержащих вербальные и невербальные взаимодействия человека и человека. Составление этих наборов данных может занять довольно много времени, поэтому в настоящее время их довольно мало, и они не всегда подходят для обучения роботов взаимодействию с определенными слоями населения, такими как дети или пожилые люди.

Чтобы облегчить разработку роботов, которые могут лучше всего помочь пожилым людям, исследователи из Исследовательского института электроники и телекоммуникаций (ETRI) в Южной Корее недавно создали AIR-Act2Act, a набор данных которые можно использовать для обучения роботов невербальному социальному поведению. Новый набор данных был составлен в рамках более широкого проекта под названием AIR (AI for Robots), направленного на разработку роботов, которые могут помочь пожилым людям в их повседневной деятельности.

«Социальные роботы могут быть отличными компаньонами для одиноких Пожилых людей », - сказал TechXplore Ву-Ри Ко, один из исследователей, проводивших исследование. «Для этого, однако, роботы должны уметь понимать поведение пожилых людей, делать выводы об их намерениях и соответствующим образом реагировать. Машинное обучение - один из способов реализации этого интеллекта. Поскольку оно дает возможность учиться и совершенствоваться автоматически на основе опыта, он также может позволить роботам изучать социальные навыки, наблюдая за естественным взаимодействием между людьми ».

Ко и ее коллеги первыми записали взаимодействия между молодыми и старшими (то есть старшими) взрослыми с целью обучения социальных роботов. Набор данных, который они собрали, содержит более 5000 взаимодействий, каждое из которых связано с картами глубины, индексами тела и трехмерными данными скелета взаимодействующих людей.

«Набор данных AIR-Act2Act - единственный актуальный набор данных, который конкретно содержит информацию о взаимодействиях с пожилыми людьми», - сказал Ко. «Мы набрали 100 пожилых людей и двух студентов колледжа для выполнения 10 взаимодействий в помещениях и записали данные во время этих взаимодействий. Мы также захватили карты глубины, индексы тела и трехмерные данные скелетов участников, когда они взаимодействовали друг с другом, используя три Microsoft Камеры Kinect v2 ".

На более позднем этапе исследователи вручную проанализировали и уточнили собранные ими скелетные данные, чтобы выявить случаи, когда сенсор Kinect не отслеживал движения должным образом. Затем эти неверные данные были скорректированы или удалены из набора данных.

В отличие от других существующих наборов данных для обучения социальные роботы , AIR-Act2Act также содержит представления движений, которые должен имитировать или запоминать робот . В частности, Ко и ее коллеги рассчитали действия, которые робот-гуманоид так называемый NAO должен будет работать на основе углов суставов, чтобы имитировать невербальное поведение участников-людей, взаимодействующих в своих выборках данных.

«В предыдущем исследовании использовались наборы данных о взаимодействии человека и человека для создания двух моделей социального поведения: рукопожатия и ожидания», - сказал Ко. «Однако большие наборы данных были необходимы для создания более разнообразного поведения. Мы надеемся, что наш крупномасштабный набор данных поможет продвинуть это исследование дальше и продвигать связанные исследования».

Ко и ее коллеги опубликовали AIR-Act2Act на GitHub вместе с рядом полезных скриптов Python, поэтому теперь к нему могут легко получить доступ другие разработчики по всему миру. В будущем их набор данных может позволить разработать более совершенных и отзывчивых человекоподобных роботов для помощи пожилым людям, которые смогут воспроизводить невербальное социальное поведение человека.

«В настоящее время мы проводим исследование по изучению генерации социального поведения на основе сквозного обучения с использованием нашего набора данных», - сказал Ко. «Мы уже достигли многообещающих результатов, которые будут представлены на конференции SMC 2020. В будущем мы планируем расширить это исследование».


Источник


У данной публикации еще нет комментариев. Хотите начать обсуждение?

Написать комментарий
Имя:*
E-Mail:
Введите код: *
Кликните на изображение чтобы обновить код, если он неразборчив


Поиск по сайту
Полезные ссылки
Оцените работу сайта

TEHNONEWS

Новости космоса технологий нанотехнологий физики и химии