Mensen met autisme zien, de wereld anders horen en voelen dan andere mensen, die van invloed zijn op hoe ze met anderen omgaan. Dit maakt communicatiegerichte activiteiten behoorlijk uitdagend voor kinderen met autismespectrumaandoeningen (ASC's). Therapeuten vinden het daarom moeilijk om hen tijdens de educatieve therapie bij deze activiteiten te betrekken.

Om deze uitdaging aan te gaan, therapeuten begonnen onlangs humanoïde robots te gebruiken in therapiesessies. Echter, bestaande robots niet in staat zijn om autonoom met kinderen om te gaan, wat essentieel is voor het verbeteren van de therapie. En het feit dat mensen met ASC atypische en diverse stijlen hebben om hun gedachten en gevoelens te uiten, maakt het gebruik van dergelijke robots nog uitdagender.

Onderzoekers die aan het door de EU gefinancierde project EngageME werken, hebben nu een gepersonaliseerd machine learning-raamwerk gecreëerd voor robots die worden gebruikt tijdens autismetherapie. Zoals ze beschrijven in hun paper gepubliceerd in Wetenschap Robotica , dit raamwerk helpt robots het affect automatisch waar te nemen - gezichts-, vocaal en gebaren - en betrokkenheid van kinderen terwijl ze met hen omgaan.

Een persoonlijke benadering

Om deze opwindende vooruitgang te bereiken, projectpartners hadden zich gerealiseerd dat in het geval van kinderen met ASS, een maat past niet allemaal. Als resultaat, ze personaliseerden hun kader voor elk kind met behulp van demografische gegevens, gedragsbeoordelingsscores en andere kenmerken die uniek zijn voor dat kind. Dankzij het nieuwe raamwerk konden de robots hun interpretaties van de reacties van kinderen automatisch aanpassen door rekening te houden met culturele en individuele verschillen tussen hen.

"De uitdaging van het creëren van machine learning en AI [kunstmatige intelligentie] die werkt bij autisme is bijzonder vervelend, omdat de gebruikelijke AI-methoden veel gegevens vereisen die vergelijkbaar zijn voor elke categorie die wordt geleerd. Bij autisme waar heterogeniteit heerst, de normale AI-benaderingen mislukken, " verklaarde co-auteur Prof. Rosalind Picard in een artikel op "MIT News."

Robot-geassisteerde therapie

De onderzoekers testten hun model op 35 kinderen uit Japan en Servië. Van 3 tot 13 jaar, de kinderen hadden interactie met de robots in sessies van 35 minuten. De humanoïde robots brachten verschillende emoties over:woede, angst, geluk en verdriet – door de kleur van hun ogen te veranderen, de toon van hun stem en de positie van hun ledematen.

Zoals het met een kind omging, de robot zou video opnemen van hun gezichtsuitdrukkingen, bewegingen en hoofdhouding, evenals audio-opnames van hun stemgeluid en vocalisaties. Een monitor om de pols van elk kind voorzag de robot ook van gegevens over hun lichaamstemperatuur, hartslag en zweetreactie van de huid. De gegevens werden gebruikt om de verschillende gedragssignalen van het kind te extraheren en werden vervolgens ingevoerd in de waarnemingsmodule van de robot.

Met behulp van deep learning-modellen, de robot schatte vervolgens het affect en de betrokkenheid van het kind op basis van de geëxtraheerde gedragssignalen. De resultaten werden gebruikt om de interactie tussen kind en robot te moduleren in volgende therapiesessies.

Audiovisuele opnames van de therapiesessies werden ook geobserveerd door menselijke experts. Hun beoordelingen van de antwoorden van de kinderen lieten een correlatie van 60% zien met de percepties van de robots. Dit was een hoger overeenstemmingsniveau dan bereikt tussen menselijke experts. De resultaten van het onderzoek suggereren dat getrainde robots in de toekomst een belangrijke rol kunnen spelen in de autismetherapie.

EngageME (Automated Measurement of Engagement Level of Children with Autism Spectrum Conditions during Human-robot Interaction) werkt eraan om robots uit te breiden met belangrijke informatie die therapeuten zal helpen om therapieën te personaliseren en de interactie tussen mens en robot aantrekkelijker en natuurlijker te maken.