Riassunto analitico
I robot sociali vengono ampiamente adottati in molti scenari diversi, come ambienti sanitari, centri commerciali, hotel e così via. Qualunque sia il contesto o lo scopo del suo utilizzo, un robot sociale è specificamente progettato per interagire con gli esseri umani in modo appropriato. Sebbene questi robot abbiano buone capacità di rilevare una persona di fronte a loro osservando specifici segnali visivi attraverso i tradizionali algoritmi di visione artificiale, la decisione di interagire o meno è spesso condizionata dalla prossimità. Nonostante la vicinanza possa essere un indicatore importante delle intenzioni dell’essere umano di parlare con un robot, in alcune situazioni non è sufficiente e potrebbe mettere a disagio le persone.
L’obiettivo di questo lavoro è innanzitutto quello di comprendere quali sono gli attuali approcci utilizzati per migliorare l’interazione uomo-robot; ciò avviene attraverso l'analisi del comportamento dei moderni robot sociali già presenti sul mercato, e recenti sperimentazioni per migliorarli. In secondo luogo, fornire un nuovo algoritmo per quantificare la volontà di una persona di interagire con un robot. Diverse tecniche di intelligenza artificiale come la stima della posa, il rilevamento degli oggetti e il riconoscimento vocale vengono sfruttate per definire le caratteristiche adeguate per l'attività. Infine, implementare e valutare questo algoritmo su un Pepper Robot. L’approccio prevede l’acquisizione di dati audio e video attraverso i suoi sensori e l’elaborazione di questi, in un modo che affronti i vincoli computazionali di un robot relativamente datato. I risultati mostrano che questo algoritmo può migliorare Pepper rendendolo in grado di decidere se è appropriato coinvolgere la persona in una conversazione in un modo più umano.
|
Abstract
Social robots are becoming widely adopted in many different scenarios, such as healthcare environments, shopping malls, hotels and so on. Whatever the context or the goal of its use, a social robot is specifically designed to interact with humans in a proper way. While these robots have good capabilities to detect a person in front of them by looking at specific visual cues through traditional computer vision algorithms, the decision to interact or not is often conditioned by the proximity. Despite closeness could be an important indicator of the intentions of the human to speak with a robot, in some situations it’s not sufficient and it could result in making people feel uncomfortable.
The goal of this work is first to understand what are the current approaches used to enhance robot-human interaction; this is accomplished through an analysis of the behaviour of modern social robots already present on the market, and recent experimentations to improve them. Secondly, to provide a new algorithm to quantify the willingness of a person to interact with a robot. Different artificial intelligence techniques such as Pose Estimation, Object Detection and Speech Recognition, are exploited to define proper features for the task. Lastly, to implement and evaluate this algorithm on a Pepper Robot. The approach involves acquiring audio and video data through its sensors and process them in a way that faces the computational constraints of a relatively old robot. The results show that this algorithm can improve Pepper by making it able to decide if it is appropriate to engage the person into a conversation in a more human-inspired manner.
|
