Productie van adaptief gedrag in sociale robots door middel van Deep Learning

Het doel van dit onderzoeksproject is om sociale robots uit te rusten met non-verbaal gedrag dat vergelijkbaar is met het non-verbale gedrag van mensen. Non-verbaal gedrag verwijst naar het gebruik van gebaren, lichaamstaal en gezichtsuitdrukkingen die we gebruiken bij de interactie met anderen. Non-verbaal gedrag zou 55% van onze communicatie uitmaken en als het ontbreekt, verkeerd of slecht getimed is, kan het de communicatie ernstig hinderen. Sociale robots zijn robots die met ons communiceren via dezelfde communicatiekanalen als mense. Daarom is het essentieel dat robots non verbaal gedrag kunnen uiten. Als het non-verbale gedrag van een robot wordt geoptimaliseerd, verwachten we dat de interactie tussen mensen en robots niet alleen prettiger is, maar ook effectiever. Voor het project, in plaats van het programmeren van non-verbaal gedrag, laten we de robot zijn non-verbale gedrag leren door het te laten kijken naar mensen die praten en communiceren. Aangezien non-verbaal gedrag wordt gecoördineerd met verbaal gedrag, zullen we de relatie tussen beide leren door gebruik te maken van de meest geavanceerde diepe neurale netwerken. Om de robot te leren, laten we het videoclips zien van mensen die praten op TEDx-evenementen en van mensen die een gesprek hebben, waarvoor we samenwerken met het Max Planck Instituut voor Psycholinguïstiek. Zodra de netwerken zijn getraind, zullen we de prestaties van de robot evalueren met behulp van mens-robot interactie experimenten.