歡迎來到中國機電網    [ 請登錄 ]  [ 會員注冊 ]

返回首頁|English|設為首頁|加入收藏|

您現在的位置:中國機電網 - 新聞動態
長期目標不是制造能夠取代人類治療師的機器人
作者: 佚名 時間:2019-6-16文章來源:中國產業經濟信息網訪問量:1349

患有自閉癥譜系條件的兒童通常難以識別周圍人的情緒狀態 - 例如,將幸福的臉與可怕的臉區分開來。為了解決這個問題,一些治療師使用兒童友好的機器人來展示這些情緒,并讓孩子們模仿情緒并以適當的方式回應他們。

然而,如果機器人能夠在治療期間順利地解釋孩子自己的行為 - 無論他或她是否感興趣或興奮或注意力 - 這種類型的治療效果最佳。麻省理工學院媒體實驗室的研究人員現在開發了一種個性化的機器學習,幫助機器人使用該孩子獨有的數據,估計每個孩子在這些交互過程中的參與度和興趣。

憑借這種個性化的“ 深度學習 ”網絡,科學家于6月27日在“ 科學機器人”雜志上報道,機器人對兒童反應的看法與人類專家的評估一致,相關分數為60%。

人類觀察者對兒童的參與和行為達成高度一致意見可能具有挑戰性。他們的相關分數通常在50%到55%之間。rudovic和他的同事們提出,在本研究中,接受過人類觀察訓練的機器人有朝一日可能會對這些行為提供更一致的估計。

“長期目標不是制造能夠取代人類治療師的機器人,而是通過治療師可以用來個性化治療內容的關鍵信息來增強它們,并在機器人和自閉癥兒童之間進行更具吸引力和自然主義的互動, “媒體實驗室的博士后oggi rudovic解釋說,該研究的第一作者。

羅莎琳德皮卡德是該論文的合著者,也是麻省理工學院教授,??主持情感計算研究,他說個性化在自閉癥治療中尤為重要:一句著名的諺語是:“如果你遇到一個人,患有自閉癥,你就會遇到一個患有自閉癥的人。“

“ 在自閉癥中創建機器學習和ai [ 人工智能 ] 的挑戰尤其令人煩惱,因為通常的ai方法需要大量的數據,這些數據對于學習的每個類別都是相似的。在異質性統治的自閉癥中,正常的ai方法失敗,“皮卡德說。rudovic,picard和他們的隊友也一直在其他領域使用個性化深度學習,發現它可以改善疼痛監測結果和預測阿爾茨海默病的進展。

會見nao

機器人輔助治療自閉癥的方法通常是這樣的:人類治療師會展示兒童照片或不同面孔的閃卡,以表示不同的情緒,教他們如何識別恐懼,悲傷或喜悅的表情。治療師然后對機器人進行編程以向孩子顯示這些相同的情緒,并在孩子與機器人接觸時觀察孩子。孩子的行為提供了有價值的反饋,機器人和治療師需要繼續學習。

研究人員在這項研究中使用了softbank robotics nao仿人機器人。nao身高約2英尺,類似于裝甲超級英雄或機器人,通過改變眼睛的顏色,四肢的運動和聲音的語氣來傳達不同的情緒。

參與本研究的35名自閉癥兒童,17名來自日本,18名來自塞爾維亞,年齡從3歲到13歲不等。他們在35分鐘的會議期間以各種方式對機器人做出反應,在某些情況下看起來很無聊和困倦興奮地跳著房間,拍手,笑著或觸摸機器人。

研究中的大多數孩子對機器人的反應“不僅僅是作為一個玩具,而是與nao有關,因為它是一個真實的人”,特別是在講故事時,治療師詢問nao如果孩子們拿著機器人會感覺如何根據魯多維奇的說法,這是一種冰淇淋。

一名4歲女孩在參加會議期間躲在母親身后,但對機器人變得更加開放,并在治療結束時笑了起來。一名塞爾維亞兒童的妹妹給了nao一個擁抱,并說:“機器人,我愛你!” 在一次會議結束時,她說她很高興看到她的兄弟喜歡和機器人一起玩。

“治療師說,讓孩子接觸幾秒鐘對他們來說可能是一個很大的挑戰,機器人吸引了孩子的注意力,”rudovic解釋說,為什么機器人在這種治療方法中很有用。“此外,人類以多種不同的方式改變他們的表達方式,但機器人總是以同樣的方式做到這一點,這對孩子來說不那么令人沮喪,因為孩子以非常有條理的方式學習如何表達表達。”

個性化機器學習

麻省理工學院的研究小組意識到,一種稱為深度學習的機器學習對于治療機器人來說有用,可以更自然地感知孩子的行為。深度學習系統使用分層的多層數據處理來改進其任務,每個連續層相當于原始原始數據的稍微抽象的表示。

盡管自20世紀80年代以來深度學習的概念已經出現,但rudovic說,直到最近才有足夠的計算能力來實現這種人工智能。深度學習已被用于自動語音和對象識別程序,使其非常適合于解決諸如面部,身體和聲音的多個特征的問題,這些特征可用于理解更抽象的概念,例如兒童的訂婚。

“例如,在面部表情的情況下,面部的哪些部分對于參與的估計最重要?” 魯多維奇說。“深度學習允許機器人直接從該數據中提取最重要的信息,而無需人工手動制作這些功能。”對于治療機器人,rudovic和他的同事們進一步深入學習并構建了個性化的理念可以從每個孩子收集的數據中學習的框架。研究人員從兒童手腕上的監視器上捕獲了每個孩子的面部表情,頭部和身體動作,姿勢和手勢,錄音以及心率,體溫和皮膚出汗反應數據的視頻。

機器人的個性化深度學習網絡是根據這些視頻,音頻和生理數據的層次,有關兒童孤獨癥診斷和能力,他們的文化和性別的信息構建的。然后,研究人員將他們對兒童行為的估計與五名人類專家的估計進行了比較,他們對兒童的視頻和錄音進行了連續編碼,以確定孩子在會話期間的高興或不安,感興趣程度和參與度。

通過人類編碼的這些個性化數據進行訓練,并對未用于訓練或調整模型的數據進行測試,網絡顯著改善了機器人對研究中大多數兒童的行為的自動估計,超出了研究人員發現,估計網絡是否以“一刀切”的方式將所有兒童的數據結合起來。

rudovic及其同事還能夠探討深度學習網絡如何做出估計,從而揭示了孩子們之間的一些有趣的文化差異。“例如,來自日本的兒童在高度接觸期間表現出更多的身體動作,而在塞爾維亞人中,大的身體動作與脫離事件有關,”rudovic說。

資訊關鍵詞】:    【打印】【關閉】【返回頂部

  • 資訊
  • 政策
  • 市場
  • 技術
熱點資訊
  • 一周
  • 一月
  • 一年

資訊投稿

郵箱:[email protected]

電話:0571-28331524

版權所有:中國機電網|中國機電傳媒研究中心

地址:杭州市濱江區西浦路1503號濱科大廈11樓(杭二中斜對面) 浙B2-20080178-6

聯系電話:0571-87774297 傳真:0571-28290892 Email:[email protected] 技術支持:杭州濱興科技股份有限公司

七星彩第2054期规律