¿Robots con sentimientos y emociones?

Redacción

Estados Unidos.- Conforme se va avanzando en la robótica, también se ha incrementado la vinculación y aplicación en la vida diaria, de tal forma que ahora los robots pueden responder a problemáticas sociales, tal y como se ha visto en algunas películas de Hollywood, en las que los robots llegan a tener un papel preponderante en la sociedad.

Un tipo de robot muy utilizado en robótica social es el de tipo humanoide, ya que las personas tendemos a sentirnos atraídos de manera más fuerte hacia aquello que se nos parece. Uno de estos robots es Pepper, creado por Softbank.

Así, por ejemplo, el androide de protocolo C-3 PO, que aparece en la saga de Star Wars nos puede llegar a parecer amigable y no amenazador, a pesar de que no deja de ser un robot.

En el campo de la robótica social es fundamental que los robots sean capaces de generar confianza, de tal manera que las personas se sientan cómodas interactuando con ellos. Para tal fin es fundamental que sus movimientos sean naturales, similares a los de las personas.

Una manera sencilla de plantear el problema es crear una colección de movimientos predeterminados (limitado) e ir reproduciéndolos según el robot habla (reproduce un audio). Podemos tener un conjunto de movimientos rítmicos (en inglés conocidos como beats) que no tienen significado, que simplemente sirven para acompañar el discurso y elegir una secuencia al azar entre ellos.

Continuando con los movimientos predeterminados, otro posible planteamiento es asociar una probabilidad a que a un movimiento determinado le siga otro en concreto. Esto podría generar una secuencia más natural.

Por otra parte, las redes neuronales generativas antagónicas o GAN (Generative Adversarial Networks) son una herramienta ampliamente utilizada como modelo generativo. ¿Qué quiere decir esto? Que, tras una fase de entrenamiento con unos ejemplos, es capaz de crear otros objetos similares a los mostrados, pero diferentes de los mismos.

Esto se consigue mediante dos redes neuronales que trabajan en modo adversario. Por explicarlo con una analogía sencilla, es como si enfrentáramos a un falsificador de obras de arte con un experto. Al falsificador le enseñamos obras originales y le decimos que haga otras parecidas (¡pero no iguales!). Al experto le mostramos un conjunto con obras originales y falsificadas y le decimos que averigüe cuál es cuál.

El grupo RSAIT ha utilizado las redes GAN para crear nuevos gestos. Tras entrenarla con movimientos predefinidos, la red GAN es capaz de crear otros gestos diferentes a los que ya ha visto, pero lo suficientemente similares como para que no resulten repetitivos para un interlocutor.

Los resultados muestran que la red GAN frente a los demás métodos es capaz de capturar características temporales intrínsecas de los movimientos utilizados para el entrenamiento que permiten generar movimientos más suaves y acordes con los movimientos humanos, haciéndolos más naturales.

Con información de Tecnovedosos