PAMoR: Parameterized Affective Motion Generation in Real Time for Humanoid Robots

En los espacios concurridos de nuestra vida cotidiana, desde centros comerciales hasta escenarios de conciertos, los robots están empezando a moverse entre nosotros. No solo los observamos para ver si pueden levantar una caja o caminar a través de una habitación; los observamos para ver cómo se sienten. Los humanos estamos programados para leer la emoción en el movimiento. Un hombro caído sugiere tristeza, mientras que un paso saltarín implica alegría. Este es un lenguaje del cuerpo que comprendemos sin palabras, una habilidad que utilizamos constantemente al interactar con otras personas. Pero para que un robot hable este lenguaje, debe hacer más que simplemente realizar una tarea; debe realizar esa tarea con un tono emocional específico. Hasta ahora, enseñar a una máquina a hacer esto ha sido difícil. La mayoría de los sistemas que crean movimientos emocionales para personajes digitales dependen de actores humanos para proporcionar un video de referencia o una etiqueta simple como "feliz". Estos métodos son rígidos. Una etiqueta no puede ajustarse para hacer que un movimiento sea ligeramente más emocionado o ligeramente menos tenso, y un video de referencia está bloqueado en el tiempo, incapaz de cambiar su estado de ánimo sobre la marcha. Además, cuando estos movimientos digitales se transfieren a un robot físico, el proceso a menudo distorsiona los mismos sentimientos que debían transmitir, perdiendo los sutiles cambios en la velocidad y la postura que transportan la emoción.

Un equipo de investigadores ha desarrollado una nueva forma de resolver este problema, creando un sistema que permite a un robot físico generar un movimiento emocional en tiempo real, con la capacidad de ajustar su estado de ánimo mientras se mueve. Llaman a su marco de trabajo PAMoR. En lugar de depender de etiquetas humanas o videos pregrabados, el sistema trata la emoción como un conjunto de cantidades físicas medibles. Utiliza un modelo psicológico conocido como el plano de valencia-activación (valence-arousal), que mapea los sentimientos en dos escalas simples. La primera escala, la valencia, mide qué tan positivo o negativo es un sentimiento, variando desde la tristeza hasta la felicidad. La segunda escala, la activación (arousal), mide qué tan activo o calmado es un sentimiento, variando desde el aburrimiento hasta la excitación. Los investigadores descubrieron que podían calcular estos dos números directamente a partir de los propios movimientos corporales del robot. Descubrieron que un sentimiento positivo y feliz corresponde a una postura abierta y expandida, mientras que un sentimiento negativo corresponde a una contraída y plegada. Del mismo modo, la alta energía y velocidad indican una alta activación, mientras que los movimientos lentos y estáticos indican una baja activación. Al convertir estas observaciones físicas en una fórmula matemática, el sistema puede etiquetar cada movimiento que ve con una coordenada emocional precisa, sin necesidad de que un humano lo observe y lo escriba.

Los investigadores construyeron un robot capaz de utilizar este sistema en una máquina humanoide de 29 articulaciones llamada Unitree G1. El cerebro del robot está diseñado para escuchar tres instrucciones diferentes al mismo tiempo. Una instrucción le dice qué acción realizar, como caminar o golpear. Las otras dos instrucciones le dicen cómo realizar esa acción estableciendo los números de valencia y activación. Para que esto funcione sin que las instrucciones se confundan entre sí, el sistema utiliza un método especial donde combina tres modelos de aprendizaje distintos. Un modelo aprende la acción, mientras que los otros dos aprenden cómo moldear esa acción con diferentes tonos emocionales. En cada paso de la generación del movimiento, estos modelos trabajan juntos para producir un movimiento que se ajuste al comando. Esto permite que el robot cambie su estado de ánimo mientras se mueve. Un usuario puede decirle al robot que camine y, mientras camina, cambiar el comando de "calmado y neutral" a "emocionado y feliz", y el robot ajustará instantáneamente su zancada y postura para coincidir con el nuevo sentimiento.

Los resultados de este trabajo muestran que el sistema funciona de manera notable. Cuando los investigadores ordenaron al robot moverse con coordenadas emocionales específicas, los movimientos reales del robot coincidieron con esos comandos con alta precisión. El sistema pudo generar una gama completa de emociones, desde la angustia hasta la relajación, y el lenguaje corporal del robot cambió suavemente a través de este espectro. Para ver si los humanos podían realmente leer estas emociones, los investigadores realizaron un estudio en el que las personas observaron videos del robot realizando acciones como saludar o golpear con diferentes tonos emocionales. Se pidió a los observadores que adivinaran qué emoción estaba expresando el robot. El sistema tuvo éxito en hacer que las emociones pretendidas fueran claras para los espectadores. En casi el 40 por ciento de los ensayos, los espectadores identificaron correctamente la emoción específica que el robot intentaba transmitir. Esto es una mejora significativa respecto a los métodos anteriores, que dependían de prompts de texto o referencias de video, y se acerca al nivel de reconocimiento que las personas logran al observar a actores humanos realizar movimientos emocionales. El estudio también confirmó que los movimientos del robot se sentían naturales y humanos, en lugar de mecánicos o rígidos.

Este enfoque representa un cambio en cómo pensamos sobre el movimiento de los robots. En lugar de tratar la emoción como una capa separada añadida sobre una tarea, los investigadores la fundamentaron en la realidad física del cuerpo del robot. Al medir la postura y la velocidad directamente, crearon un sistema donde la emoción no es solo una etiqueta, sino un parámetro controlable que puede ajustarse con la misma facilidad que el volumen o la velocidad. El sistema opera en tiempo real, lo que significa que el robot puede reaccionar a su entorno y cambiar su expresión emocional instantáneamente. Aunque los investigadores señalan que el sistema actualmente depende de una comprensión preprogramada de cómo la forma del cuerpo se relaciona con la emoción, y que el trabajo futuro deberá abordar cómo el robot mantiene esta expresión cuando su controlador físico comete pequeños errores, la base es sólida. Han demostrado que un robot puede generar movimientos corporales complejos y emocionales sobre la marcha, y que los humanos pueden leer esas emociones con una precisión sorprendente. Esto nos acerca a un futuro donde los robots no sean solo herramientas funcionales, sino compañeros sociales capaces de expresarse en el lenguaje universal del cuerpo.