Investigadores de NTT Corporation en Japón han desarrollado recientemente un enfoque de aprendizaje por refuerzo centrado en el usuario que podría usarse para enseñar "modales" a los robots sociales. Su método, descrito en un artículo publicado previamente en arXiv, permite que un robot salude o atraiga la atención de los transeúntes sin causarles molestias.

"Mi idea se inspiró en ladrones en un mercado, "Yasunori Ozaki, uno de los investigadores que realizó el estudio, dijo a TechXplore. "La mayoría de los ladrones llaman a los transeúntes que están interesados ​​en el restaurante, sin embargo, apenas llaman a los demás. Como resultado de esta observación, Se me ocurrió la siguiente hipótesis:los ladrones determinan a qué transeúntes llamar al inferir su interés en el servicio que anuncian a partir de su comportamiento. Quería desarrollar un método que le permitiera a un robot imitar las acciones de un ladrón, capacitándolo para comprender los intereses de las personas ".

Los robots sociales están entrando gradualmente en una variedad de campos, incluida la asistencia sanitaria y el comercio minorista. En el comercio minorista, por ejemplo, Los robots sociales podrían ayudar a explicar los productos a los transeúntes y clientes potenciales.

Recientemente, un número creciente de empresas ha comenzado a probar la eficacia de los robots como agentes de servicio al cliente, como recepcionistas, guías o expositores. Para ser más eficaz en los roles de cara al cliente, sin embargo, los robots tendrían que saludar a los transeúntes sin asustarlos o hacerlos sentir incómodos.

Teniendo esto en cuenta, Ozaki y sus colegas se propusieron desarrollar un método que permita a los robots adaptar sus gestos de acuerdo con la situación en la que se encuentran y la persona con la que están interactuando. Su enfoque emplea el aprendizaje por refuerzo centrado en el usuario para analizar los datos recopilados por los sensores de un robot, para que pueda adaptar sus acciones en consecuencia.

"Mi método permite que un robot aprenda acciones al observar las reacciones de los transeúntes, "Explicó Ozaki." Cuando un robot actúa hacia un transeúnte, el transeúnte normalmente responde a tal acción. Por ejemplo, si un robot llama a un transeúnte, la llamada puede provocar que el transeúnte se sienta incómodo, o puede resultar en que el transeúnte se interese en el robot. El robot estima los sentimientos de un transeúnte a partir de sus reacciones, analizando las imágenes recopiladas por un sensor colocado en su parte posterior ".

El enfoque ideado por Ozaki y sus colegas se basa en un esquema de recompensas y sanciones. Si el robot infiere incomodidad en los transeúntes con los que se está comunicando, recibe una penalización. Por otra parte, si un transeúnte se detiene, interactúa con el robot y se interesa por él, el robot recibe una recompensa. Tiempo extraordinario, el robot aprende a adaptar sus estrategias de interacción para llamar la atención de las personas sin que los clientes potenciales se sientan incómodos.

"Mi método permite que un robot encuentre combinaciones de acciones que no causen molestias a los transeúntes, ", Dijo Ozaki." Muchos investigadores han examinado la experiencia del usuario (UX), incluyendo malestar, en las interacciones humano-robot. Sin embargo, no entrenaron robots basados ​​en esta UX. Creo que tenemos que enseñar a los robots algunos modales relacionados con UX y el mundo humano. Esto permitiría al robot adaptar sus acciones a diferentes situaciones y usuarios, basado en los modales que ha adquirido ".

Para evaluar su método, los investigadores llevaron a cabo un experimento en la entrada de una oficina, en el que un pequeño robot social llamaba a los transeúntes y trataba de llamar su atención. Sus hallazgos fueron muy prometedores, como en la mayoría de los casos, el robot pudo atraer la atención de las personas sin causarles molestias.

El enfoque ideado por Ozaki y sus colegas está diseñado para mejorar las interacciones de los robots con los transeúntes individuales, en lugar de con un grupo más grande de personas. Otros estudios podrían expandir el modelo para mejorar las interacciones del robot con grupos de personas también. Además, los investigadores planean evaluar su método en escenarios donde el robot social cubre otros roles, por ejemplo, el de un vendedor.

© 2019 Science X Network