EMoG: Emotion-Modulated Gait Generation for Expressive Humanoid Locomotion

Roboter sind seit langem Meister der physischen Welt und fähig, schwere Objekte zu heben, unebenes Gelände zu durchqueren und komplexe Aufgaben mit mechanischer Präzision auszuführen. Doch wenn es um die subtile Kunst der menschlichen Interaktion geht, wirken sie oft steif und distanziert. Während Ingenieure das schwierige Problem gelöst haben, einen Roboter laufen zu lassen, ohne dass er umfällt, haben sie weitgehend ignoriert, wie dieser Roboter läuft. In der menschlichen Kommunikation erzählt die Art und Weise, wie wir uns bewegen, eine Geschichte, die ebenso laut ist wie unsere Worte; ein schlurfender, hängender Schritt vermittelt Traurigkeit, während ein zügiger, federnder Gang Freude signalisiert. Damit ein Roboter wirklich mit Menschen in Verbindung treten kann, muss er lernen, diese Gefühle durch seinen Gang auszudrücken – nicht nur durch die Veränderung seines Gesichts oder seiner Stimme, sondern durch die Veränderung des Rhythmus und der Form seiner Bewegung.

Ein Team von Forschern hat ein neues System namens EMoG entwickelt, um humanoiden Robotern diese Fähigkeit beizubringen. Anstatt einen Roboter mit einer festen Liste vorprogrammierter Gänge zu programmieren, ermöglicht dieser Rahmen dem Gerät, einen einzigartigen Gehstil „on the fly“ zu generieren, indem er spezifische physische Anweisungen mit einem emotionalen Ton mischt. Das System arbeitet mit zwei verschiedenen Arten von Eingaben: den praktischen Befehlen, die dem Roboter sagen, wohin er gehen soll und wie schnell, und einem separaten „Stil-Code“, der die Emotion der Bewegung vorgibt. Ein kleines, effizientes Computerprogramm kombiniert diese Eingaben dann, um in Echtzeit ein Ganzkörper-Gehmuster zu erstellen. Dieses Muster ist keine statische Aufnahme, sondern eine dynamische Reihe von Anweisungen, denen das Steuerungssystem des Roboters folgt, um sicherzustellen, dass die Maschine stabil bleibt, während sie eine bestimmte Stimmung ausdrückt.

Um den Roboter zu lehren, mit Gefühl zu gehen, mussten die Forscher zunächst eine Bibliothek an Beispielen erstellen. Sie zeichneten professionelle Darsteller auf, die beim Gehen sechs verschiedene emotionale Zustände darstellten: glücklich, selbstbewusst, traurig, verängstigt, schüchtern und eine neutrale Basislinie. Diese Schauspieler gingen in verschiedenen Richtungen und mit unterschiedlichen Geschwindigkeiten, was einen reichen Datensatz menschlicher Bewegungen lieferte. Das Team nutzte dann einen Computerprozess, um diese menschlichen Bewegungen in ein Format zu übersetzen, das der Roboter verstehen konnte, wobei Bewegungen, die zum Verlust des Gleichgewichts der Maschine führen würden, sorgfältig herausgefiltert wurden. Sie unterteilten die langen Videosequenzen in sich wiederholende Schrittzyklen, um sicherzustellen, dass die Daten physisch mögliche Gangmuster darstellten. Diese automatisierte Pipeline erzeugte eine massive Sammlung von über zwei Millionen Frames an Bewegungsdaten, die Tausende von unterschiedlichen Geh-Clips abdeckten und als Trainingsgrundlage für die neue Fähigkeit des Roboters dienten.

Der Kern des Systems ist ein Generator, der lernt, diese emotionalen Stile mit physischen Befehlen zu mischen. Wenn ein Benutzer möchte, dass der Roboter mit einer bestimmten Geschwindigkeit vorwärts geht, kann er zusätzlich eine Emotion wie „glücklich“ oder „traurig“ sowie eine Intensität dieses Gefühls angeben. Das System passt die Körperhaltung des Roboters, die Höhe seiner Schritte und die Spannung in seinen Gelenken an, um dieser Emotion zu entsprechen. So beinhaltet ein glücklicher Gang beispielsweise eine aufrechtere Haltung und größere Armschwingungen, während ein trauriger Gang einen gebeugten Rücken und kleinere, langsamere Bewegungen aufweist. Entscheidend war, dass die Forscher sicherstellten, dass der Roboter seine Navigationsbefehle weiterhin perfekt befolgen konnte. Selbst wenn der Roboter seinen emotionalen Stil änderte, hielt er exakt die vom Benutzer gewünschte Geschwindigkeit und Richtung ein, was bewies, dass Ausdruckskraft nicht zu Lasten der Kontrolle gehen muss.

Um diese Interaktion noch natürlicher zu gestalten, fügte das Team eine Sprachschnittstelle hinzu, die es Menschen ermöglicht, direkt mit dem Roboter zu sprechen. Unter Verwendung eines Large Language Models kann das System einen Satz wie „Ich fühle mich gerade etwas niedergeschlagen“ nehmen und diesen automatisch in den korrekten emotionalen Stil und die passende Intensität für den Gang des Roboters übersetzen. Das System interpretiert die Stimmung des Textes, wählt den passenden Gehstil aus und stellt die Intensitätsstufe ein, ohne dass ein Mensch technische Einstellungen manuell anpassen muss. In Tests konvertierte das System diese freien Sätze erfolgreich in distinkte Gehverhaltensweisen und demonstrierte damit, dass es in der Lage ist, das emotionale Gewicht menschlicher Sprache zu verstehen und dies in seiner physischen Bewegung widerzuspiegeln.

Die Forscher testeten ihr System intensiv, um zu sehen, ob die emotionalen Hinweise für Menschen tatsächlich sichtbar waren. Sie zeigten Gruppen von Menschen Videos von Robotern, die mit unterschiedlichen emotionalen Stilen gingen, und baten sie, die Stimmung zu identifizieren. Die Ergebnisse zeigten: Je höher die Intensität des emotionalen Stils war, desto besser konnten die Menschen die beabsichtigte Emotion erkennen. Wenn der Roboter beispielsweise mit einer hohen Intensität von Traurigkeit ging, identifizierten fast alle Beobachter ihn korrekt als traurig. Die Studie ergab jedoch auch, dass einige Emotionen schwerer zu unterscheiden waren als andere; Gefühle wie Selbstbewusstsein und Schüchternheit wurden manchmal mit einem neutralen Gang verwechselt, was darauf hindeutet, dass bestimmte emotionale Ausdrücke subtilere oder exzentriertere physische Signale erfordern, um klar verstanden zu werden.

Wenn der Roboter diese Gänge tatsächlich auf echter Hardware ausführte, blieben die emotionalen Stile erkennbar, wenn auch etwas weniger deutlich als in den Videosimulationen. Dies ist eine häufige Herausforderung in der Robotik, bei der die physischen Einschränkungen der Maschine die Nuancen einer Bewegung manchmal abschwächen können. Ungeachtet dessen absolvierte der Roboter fast jede ihm zugewiesene Gehaufgabe, behielt dabei sein Gleichgewicht bei und folgte seinem Pfad, selbst während er komplexe Emotionen ausdrückte. Das System bewies, dass es möglich ist, einem Roboter durch seinen Gang eine Persönlichkeit zu verleihen, ohne seine Fähigkeit einzubüßen, seine Aufgabe zu erfüllen. Durch die Trennung des emotionalen Stils von den physischen Befehlen schufen die Forscher ein flexibles Werkzeug, das es Robotern ermöglicht, mit einer menschenähnlichen Ausdruckskraft zu agieren und so die Lücke zwischen mechanischer Funktion und sozialer Verbindung zu schließen.