Une nouvelle approche qui pourrait améliorer la façon dont les robots interagissent dans les groupes de conversation

Une nouvelle approche qui pourrait améliorer la façon dont les robots interagissent dans les groupes de conversation

Hedayati et ses collègues présentent de nouvelles méthodes pour raisonner sur les erreurs qui font qu’un ou plusieurs participants ne sont pas détectés dans des groupes de conversation. La rangée du haut montre des photos du monde réel, la rangée du bas montre la perception du robot. A) Trois personnes sont en conversation avec un robot et détectées (notées avec des chapeaux). B) Un nouveau participant rejoint la conversation et n’est pas détecté. C) Les algorithmes de l’équipe prédisent à la fois le nombre de personnes disparues (1 dans ce cas) et leur position probable, permettant au robot de se comporter plus naturellement. Crédit : Hedayati & Szafir.

Pour interagir efficacement avec les humains dans des environnements sociaux surpeuplés, tels que des centres commerciaux, des hôpitaux et d’autres espaces publics, les robots doivent pouvoir participer activement aux interactions de groupe et individuelles. Cependant, la plupart des robots existants se sont avérés beaucoup plus performants lorsqu’ils communiquent avec des utilisateurs individuels qu’avec des groupes d’humains en conversation.

Hooman Hedayati et Daniel Szafir, deux chercheurs de l’Université de Caroline du Nord à Chapel Hill, ont récemment développé une nouvelle technique basée sur les données qui pourrait améliorer la façon dont les robots communiquent avec des groupes d’humains. Cette méthode, présentée dans un article présenté à la conférence internationale ACM/IEEE 2022 sur l’interaction homme-robot (HRI ’22), permet aux robots de prédire les positions des humains dans des groupes de conversation, afin qu’ils n’ignorent pas par erreur une personne lorsque son les capteurs sont totalement ou partiellement obstrués.

“Être dans un groupe de conversation est facile pour les humains mais difficile pour les robots”, a déclaré Hooman Hedayati, l’un des chercheurs qui a mené l’étude, à TechXplore. “Imaginez que vous parlez avec un groupe d’amis, et chaque fois qu’un de vos amis cligne des yeux, elle arrête de parler et vous demande si vous êtes toujours là. Ce scénario potentiellement ennuyeux est à peu près ce qui peut arriver lorsqu’un robot est dans des groupes de conversation.”

L’une des raisons pour lesquelles de nombreux robots se comportent parfois mal lorsqu’ils participent à une conversation de groupe est que leurs actions dépendent fortement des données collectées par leurs capteurs (c’est-à-dire des caméras, des capteurs de profondeur, etc.). Les capteurs, cependant, sont sujets aux erreurs et peuvent parfois être obstrués par des mouvements brusques et des obstacles dans l’environnement du robot.






“Si la caméra du robot est masquée par un obstacle pendant une seconde, de la même manière que lorsque les gens clignent des yeux, le robot peut ne pas voir cette personne et, par conséquent, il ignore l’utilisateur”, a expliqué Hedayati.

“Sur la base de mon expérience, les utilisateurs trouvent ces comportements inappropriés dérangeants. L’objectif principal de notre récent projet était d’aider les robots à détecter et à prédire la position d’une personne non détectée au sein du groupe de conversation.”

Pour prédire la position des personnes dans un groupe de conversation, Hedayati et Szafir ont d’abord développé un algorithme qui vérifie les croyances d’un robot sur qui fait partie du groupe et qui n’en fait pas partie. Cet algorithme peut détecter les erreurs d’un robot (c’est-à-dire s’il ignore l’existence d’une ou plusieurs personnes dans un groupe de conversation). Par la suite, il prédit la position de l’utilisateur/des utilisateurs non détecté(s) en analysant les données disponibles.

“Notre approche est basée sur l’une de nos observations passées”, a expliqué Hedayati. “Plus précisément, pendant que nous nettoyions le” jeu de données Babble “(un jeu de données de groupes de conversation humain-humain), nous avons découvert que les gens ont tendance à rester dans des positions prédéfinies les uns par rapport aux autres. Cela signifie que si nous connaissons la position de toutes les personnes dans une conversation groupe à l’exception d’un seul, nous pouvons prédire sa position.”

Une nouvelle approche qui pourrait améliorer la façon dont les robots interagissent dans les groupes de conversation

Cartes thermiques illustrant les régions probabilistes (c’est-à-dire les emplacements des participants) dans différentes tailles de formation F à partir des ensembles de données SALSA et Babble. * indique où les écarts d’annotation se produisent après des vérifications manuelles. Crédit : Hedayati & Szafir.

La technique développée par Hedayati et Szafir a été entraînée sur une série d’ensembles de données existants, contenant des images annotées de groupes d’utilisateurs humains conversant entre eux. En analysant les positions des autres haut-parleurs dans un groupe, il peut prédire avec précision la position d’un utilisateur non détecté.

“Nous avons montré que nous pouvons modéliser les comportements humains pour les robots afin qu’ils aient une meilleure compréhension de la dynamique des groupes de conversation”, a déclaré Hedayati.

À l’avenir, la nouvelle approche introduite par cette équipe de chercheurs pourrait contribuer à améliorer les capacités conversationnelles des robots existants et nouvellement développés. Cela pourrait à son tour les rendre plus faciles à mettre en œuvre dans les grands espaces publics, y compris les centres commerciaux, les hôpitaux et les hôpitaux.

“Nous nous consacrons à l’amélioration des groupes de conversation homme-robot et il existe de nombreux problèmes ouverts intéressants dans ce domaine (par exemple, comment détecter qui est l’orateur actif, où les robots doivent se tenir dans un groupe, comment rejoindre un groupe, etc. )”, a ajouté Hedayati. “La prochaine étape pour nous sera d’améliorer le comportement du regard des robots dans un groupe de conversation. Les gens trouvent les robots avec un meilleur comportement du regard plus intelligents (par exemple, des robots qui savent qui parle et qui le regarde). Nous voulons améliorer le comportement du regard des robots et rendre le groupe de conversation homme-robot plus agréable pour les humains.”


PufferBot : Un robot volant avec un corps extensible


Plus d’information:
Hooman Hedayati et Daniel Szafir, Prédire les positions des personnes dans les groupes de conversation homme-robot. HRI ’22 : Actes de la conférence internationale ACM/IEEE 2022 sur l’interaction homme-robot(2022). DOI : 10.5555/3523760.3523815. dl.acm.org/doi/abs/10.5555/3523760.3523815

Hooman Hedayati et al, REFORM : Reconnaître les formations F pour les robots sociaux, Conférence internationale IEEE/RSJ 2020 sur les robots et systèmes intelligents (IROS) (2021). DOI : 10.1109 / IROS45743.2020.9340708

© 2022 Réseau Science X

Citation: Une nouvelle approche qui pourrait améliorer la façon dont les robots interagissent dans les groupes de conversation (4 avril 2022) récupéré le 4 avril 2022 sur https://techxplore.com/news/2022-04-approach-robots-interact-conversational-groups.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.