""

澳门太阳城网站-最新注册

  • 增强与人形机器人NAO [软银机器人],这是在engageme研究中使用的治疗会话的一个例子。使用CMU感知实验室的openpose效用进行肢体/面的跟踪。

    增强与人形机器人NAO [软银机器人],这是在engageme研究中使用的治疗会话的一个例子。使用CMU感知实验室的openpose效用进行肢体/面的跟踪。

    图片:澳门太阳城最新网站媒体实验室

    全屏

个性化的“深度学习”装备自闭症治疗机器人

增强与人形机器人NAO [软银机器人],这是在engageme研究中使用的治疗会话的一个例子。使用CMU感知实验室的openpose效用进行肢体/面的跟踪。

机器学习网络提供的儿童的行为个性化的估计。 看视频


记者联系

艾比abaz要么ius
电子邮件: abbya@mit.edu
电话:617-253-2709
澳门太阳城最新网站新闻办公室

媒体资源

1张图片下载

媒体访问

媒体只能从本网站的桌面版本下载。

泛自闭症疾病的儿童往往具有难以识别的周围人的情绪状态 - 从充满恐惧的脸区分幸福的表情,例如。要解决这个问题,一些治疗师使用儿童友好的机器人来证明这些情绪,并在模仿情绪,以适当的方式应对这些参与的孩子们。

这种类型的治疗效果最好,但是,如果机器人能顺利解读孩子的自身行为 - 他或她是否有兴趣和兴奋或关注 - 在治疗期间。研究人员在澳门太阳城最新网站媒体实验室现在已经开发出一种类型的个性化的机器学习,可以帮助机器人估计这些相互作用中的参与和每个孩子的兴趣,利用所独有的子数据。

这种个性化的“深度学习”网络武装起来,机器人由人类专家的评估,与关联性分数的60%的人认为孩子们的反应的认知里,科学家报告6月27日 科学机器人.

它可以是具有挑战性的人类观察者达到高水平关于孩子的参与和行为的协议。其相关性分数通常是50和55%之间。 rudovic和他的同事认为这是训练的人的意见,因为在这项研究中的机器人,可能有一天提供这些行为更加一致的估计。

“长远的目标不是创造机器人将代替人类治疗师,但他们的关键信息是,治疗师可以用它来治疗内容个性化,也使机器人和孩子之间更吸引人的和自然的互动与孤独症增加, ”解释OGGI rudovic,在媒体实验室和研究的第一作者,博士后。

罗莎琳德·皮卡德,对谁在情感计算领导的研究论文,并在澳门太阳城最新网站教授的合着者,他说个性化是自闭症治疗尤为重要:有句名言是,“如果你遇到一个人,患有自闭症,你见过一个人患有自闭症“。

“创建机器学习和人工智能[人工智能]在孤独症工作的挑战尤为棘手的,因为通常的人工智能方法需要大量的是为了解每个类别类似的数据。在自闭症哪里异质统治,正常的AI接近失败,”皮卡德说。 rudovic,皮卡德和他们的队友都用在其他领域的个性化深度学习,发现它提高了疼痛监测和预测阿尔茨海默病进展的结果也得到了。  

会议NAO

自闭症的机器人辅助疗法往往工作是这样的:一个人的治疗显示了孩子的照片或意在代表不同情绪的不同面孔的闪存卡,教他们如何识别恐惧,悲伤,或喜悦的表情。治疗师则计划机器人,以显示这些相同的情绪的孩子,观察孩子,她或他与机器人配合。孩子的行为提供有价值的反馈,机器人和治疗师需要与教训往前走。

研究人员使用软银机器人 NAO 人形机器人在这项研究中。近2英尺高,类似于一个装甲超级英雄或一个机器人,NAO通过改变其眼睛的颜色,它的肢体的运动,和它的声音的音调传达不同的情绪。

35名自闭症儿童谁参加了这项研究,17日从塞尔维亚18,年龄从3到13,他们以各种方式机器人在其35分钟的会议反应,从看起来很无聊和困在某些情况下,要跳来跳去的房间,兴奋,拍手,大笑或触摸机器人。

大多数被调查对象的反应,机器人“不仅是一个玩具,但它是否是一个真实的人与NAO恭敬,”尤其是讲故事的过程中,在治疗师问NAO会觉得如果孩子拿着机器人冰淇淋治疗,根据rudovic。

一个4岁的小女孩躲在妈妈的身后与会一段时间,但变得更加开放的机器人最终由治疗结束笑。塞尔维亚的一个孩子的姐姐闹了一个拥抱,并说:“机器人,我爱你!”在会议结束时,说她很高兴看到她的弟弟有多么喜欢与机器人玩。

“治疗师说,啮合孩子甚至几秒钟就能为他们的一大挑战,和机器人吸引孩子的注意力,”说rudovic,解释为什么机器人在这种类型的治疗是有益的。 “同时,人类改变他们的表情在许多不同的方式,但机器人始终做到以同样的方式,这是对孩子少折腾,因为孩子在一个非常结构化的方式表达如何显示学习。”

个性化的学习机

澳门太阳城最新网站的研究小组意识到,一种机器学习的所谓深度学习将是有益的治疗机器人拥有,更自然地感知孩子的行为。深学习系统使用数据处理的分层的,多个层,以提高其任务,每个相继的层达到原始数据的一个稍微更抽象的表示。

虽然自20世纪80年代深度学习的概念已经存在了,说rudovic,这是最近才到,已经实施这种人工智能足够的计算能力。深学习已在自动语音和物体识别程序被使用,使得它非常适合这样一个问题作出的脸部,身体的多种功能感,声音,进入了解一个更抽象的概念,如孩子的订婚。

“在面部表情,比如,什么脸的组成部分是参与评估的最重要的呢?” rudovic说。 “深度学习使机器人可以直接提取数据的最重要的信息,而不需要人类手工手艺这些功能。”

对于治疗机器人,rudovic和他的同事花了深度学习一步的想法,并建立了一个个性化的框架,可以从收集每个独立的孩子学会的数据。研究人员捕捉到每一个孩子的面部表情,头部和身体的运动,对心脏率,体温,并从监视器上孩子的手腕皮肤出汗反应的姿势和手势,录音和数据的视频。

机器人的个性化深度学习的网络从这些视频,音频层,和生理数据,对孩子的自闭症诊断和能力,他们的文化和性别信息构建的。研究人员随后比较了他们的孩子有五名人专家,谁编码孩子们的视频和音频记录在连续的规模估计行为的估计,以确定如何高兴或不高兴,怎么感兴趣了,怎么搞的会话期间孩子似乎。

训练有素的由人类编码这些个性化的数据,并在数据测试训练不使用或调整模型,网络显著的研究提高了机器人的孩子的行为的自动估计大部分孩子的,超出了会,如果估计网络相结合的“一一刀切”的做法的所有儿童的数据,研究人员发现。

rudovic和他的同事们也能探测深度学习如何网络作出了估计,其发现孩子之间的一些有趣的文化差异。 “例如,由日本儿童参与高发作时表现出多种身体运动,而在塞尔维亚人的大的身体运动用脱离发作有关,” rudovic说。

这项研究是由来自教育,文化,体育,科学和技术的日本厚生省的资助;中部大学;和欧盟的展望2020批(engageme)。


主题: 研究, 媒体实验室, 机器人, 自闭症, 建筑与规划学院, 学习, 机器人, 行为, 人工智能, 机器学习

回到顶部