توسعه روباتی با ویژگیهای چهرهای بسیار بیانگر مانند انسان در چین
توسعه روباتها امروزه یکی از بخشهای در حال رشد است زیرا نیاز به ماشینهای هوشمند در انبارها، خانهها و حتی جراحیهای پزشکی به شدت افزایش یافته است.
شرکتها در سراسر جهان در یک رقابت تنگا تنگ برای توسعه بهترین روباتها که احساس انسانی را منتقل کنند قرار دارند.
اکنون دانشمندان در چین روباتهایی را توسعه دادهاند که حالات چهرهای واقعگرایانهای مانند انسان ارائه دهند.
روبات با ویژگیهای چهرهای بسیار بیانگر
روبات انساننما با ویژگیهای چهرهای بسیار بیانگر توسط لیو شیائوفنگ، پروفسور دانشگاه هوهای در استان جیانگسو در شرق چین و تیم تحقیقاتی او توسعه داده شده است.
برای توسعه این روبات، تیم تحقیقاتی الگوریتم جدیدی برای تولید حالات چهرهای بر روی روباتهای انساننما طراحی کرده است.
لیو ادعا کرد که روباتهای انساننما معمولاً حالات چهرهای دقیق و واقعی انسانی را ارائه نمیدهند که این موضوع مانعی در تعاملات روان کاربر ایجاد میکند.
با توجه به این چالش، لیو و تیمش یک روش کامل دومتایجی برای توانمند ساختن روبات احساسی خودمختار ما با توانایی به نمایش گذاشتن حالات چهرهای غنی و طبیعی ارائه کردند.
حالات چهرهای دقیق
لیو توضیح داد که در مرحله اول، روش آنها به تولید تصاویر حالات چهرهای دقیق روبات با راهنمایی AUs میپردازد. در مرحله بعدی، یک روبات احساسی با درجههای آزادی متعدد برای حرکات چهرهای تحقق مییابد که به تجسم حالات چهرهای دقیق تولید شده امکان میدهد، خبرگزاری شینهوا گزارش داد.
این مطالعه در مجله IEEE Transactions روی روباتیک منتشر شده و یک روش نوآورانه برای تولید حالات چهرهای روبات با راهنمایی Action Unit (AU) ارائه میکند، که اجازه میدهد تصاویر حالات چهرهای دقیق تولید شوند.
با استفاده از AUs چهرهای در چارچوب یادگیری ضعیف نظارتشده، محققان با کمبود داده های آموزشی جفت شده (شامل تصاویر مبدأ و هدف حالات چهرهای) به طور مؤثری مقابله کردند.
فرایند اصلاحی حرکات چهرهای روبات را تضمین میکند
محققان در مطالعه بیان کردند: "برای حفظ یکپارچگی AUs و کاهش تداخل هویتی، ما از فضای ویژگیهای چهرهای نهانی استفاده میکنیم تا نشانههای مرتبط و غیر مرتبط با حالتها را از هم جدا کنیم و تنها از نشانههای مرتبط برای تولید حالتها استفاده کنیم."
در مرحله بعدی، یک روبات احساسی با درجههای آزادی متعدد برای حرکات چهرهای تحقق مییابد که تجسم حالات چهرهای دقیق تولید شده را تسهیل میکند.
محققان یک شبکه نقشهبرداری دستور موتوری تخصصی طراحی کردند که به عنوان پلی میان تصاویر حالتهای تولید شده و پاسخهای چهرهای واقعی روبات عمل میکند.
محققان چینی از موقعیتهای موتوری فیزیکی به عنوان محدودیتها برای پیشبینی دقیق دستورات موتوری از حالتهای چهرهای تولید شده توسط روبات استفاده کردند.
این فرایند اصلاحی تضمین میکند که حرکات چهرهای روبات به شکل دقیقی حالتهای طبیعی و دقیق را بیان کنند، مطابق با این مطالعه .
در نهایت، ارزیابیهای کیفی و کمی بر روی دیتاست Emotionet تأثیر روش تولید پیشنهادی را تایید میکنند.
محققان بیان کردند: "نتایج بر روی روبات احساسی خودتوسعه یافته نشان میدهند که روش ما تولید بهینهای از حالات چهرهای خاص با AUs داده شده، ایجاد کننده تعامل انسانی-روباتی احساسی بهتری را محقق کرده است."