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

Negli spazi affollati della nostra vita quotidiana, dai centri commerciali ai palchi dei concerti, i robot iniziano a muoversi tra di noi. Non li osserviamo solo per vedere se sono in grado di sollevare una scatola o camminare attraverso una stanza; li osserviamo per vedere come si sentono. Gli esseri umani sono programmati per leggere l'emozione nel movimento. Una spalla cadente suggerisce tristezza, mentre un passo saltellante implica gioia. Questo è un linguaggio del corpo che comprendiamo senza parole, una competenza che usiamo costantemente quando interagiamo con altre persone. Ma affinché un robot parli questo linguaggio, deve fare di più che eseguire un compito; deve eseguire quel compito con un tono emotivo specifico. Finora, insegnare a una macchina di fare questo è stato difficile. La maggior parte dei sistemi che creano movimenti emotivi per personaggi digitali si basa su attori umani per fornire un video di riferimento o un semplice'etichetta come "felice". Questi metodi sono rigidi. Un'etichetta non può essere modificata per rendere un movimento leggermente più eccitato o leggermente meno teso, e un video di riferimento è bloccato nel tempo, incapace di cambiare umore al volo. Inoltre, quando questi movimenti digitali vengono trasferiti a un robot fisico, il processo spesso distorce proprio i sentimenti che avrebbero dovuto trasmettere, perdendo le sottili variazioni di velocità e postura che portano l'emozione.

Un team di ricercatori ha sviluppato un nuovo modo per risolvere questo problema, creando un sistema che consente a un robot fisico di generare un movimento emotivo in tempo reale, con la capacità di regolare il proprio umore mentre si muove. Chiamano il loro framework PAMoR. Invece di affidarsi a etichette umane o video pre-registrati, il sistema tratta l'emozione come un insieme di quantità fisiche misurabili. Utilizza un modello psicologico noto come piano valenza-attivazione (valence-arousal), che mappa i sentimenti su due semplici scale. La prima scala, la valenza, misura quanto un sentimento sia positivo o negativo, spaziando dalla tristezza alla felicità. La seconda scala, l'attivazione (arousal), misura quanto un sentimento sia attivo o calmo, spaziando dalla noia all'eccitazione. I ricercatori hanno scoperto che potevano calcolare questi due numeri direttamente dai movimenti del corpo del robot. Hanno scoperto che un sentimento positivo e felice corrisponde a una postura aperta ed espansa, mentre un sentimento negativo corrisponde a una contratta e ripiegata. Allo stesso modo, l'energia e la velocità elevate indicano un'alta attivazione, mentre i movimenti lenti e statici indicano una bassa attivazione. Trasformando queste osservazioni fisiche in una formula matematica, il sistema può etichettare ogni movimento che vede con una precisa coordinata emotiva, senza bisogno che un essere umano lo osservi e lo scriva.

I ricercatori hanno costruito un robot capace di utilizzare questo sistema su una macchina umanoide a 29 giunti chiamata Unitree G1. Il cervello del robot è progettato per ascoltare tre diverse istruzioni contemporaneamente. Un'istruzione dice al robot quale azione eseguire, come camminare o colpire. Le altre due istruzioni dicono come eseguire quell'azione impostando i numeri di valenza e attivazione. Per far sì che questo funzioni senza che le istruzioni si confondano tra loro, il sistema utilizza un metodo speciale in cui combina tre modelli di apprendimento separati. Un modello apprende l'azione, mentre gli altri due apprendono come modellare quell'azione con diversi toni emotivi. Ad ogni fase della generazione del movimento, questi modelli lavorano insieme per produrre un movimento che si adatti al comando. Ciò consente al robot di cambiare il proprio umore mentre si muove. Un utente può dire al robot di camminare e poi, mentre sta camminando, cambiare il comando da "calmo e neutro" a "eccitato e felice", e il robot regolerà istantaneamente la sua falcata e la sua postura per adattarsi al nuovo sentimento.

I risultati di questo lavoro mostrano che il sistema funziona sorprendentemente bene. Quando i ricercatori hanno ordinato al robot di muoversi con specifiche coordinate emotive, i movimenti effettivi del robot corrispondevano a tali comandi con alta precisione. Il sistema poteva generare una gamma completa di emozioni, dalla angoscia al rilassamento, e il linguaggio del corpo del robot cambiava fluidamente attraverso questo spettro. Per vedere se gli esseri umani potessero effettivamente leggere queste emozioni, i ricercatori hanno condotto uno studio in cui le persone guardavano video del robot che eseguiva azioni come salutare con la mano o colpire con diversi toni emotivi. Gli osservatori sono stati invitati a indovinare quale emozione il robot stesse esprimendo. Il sistema è riuscito a rendere chiare le emozioni intese agli spettatori. In quasi il 40 percento delle prove, gli spettatori hanno identificato correttamente l'emozione specifica che il robot cercava di trasmettere. Questo è un miglioramento significativo rispetto ai metodi precedenti, che si affidavano a prompt testuali o riferimenti video, e si avvicina al livello di riconoscimento che le persone raggiungono quando guardano attori umani eseguire movimenti emotivi. Lo studio ha anche confermato che i movimenti del robot sembravano naturali e umani, piuttosto che meccanici o rigidi.

Questo approccio rappresenta un cambiamento nel modo in cui pensiamo al movimento dei robot. Invece di trattare l'emozione come uno strato separato aggiunto sopra un compito, i ricercatori l'hanno radicata nella realtà fisica del corpo del robot. Misurando direttamente la postura e la velocità, hanno creato un sistema in cui l'emozione non è solo un'etichetta, ma un parametro controllabile che può essere regolato con la stessa facilità del volume o della velocità. Il sistema opera in tempo reale, il che significa che il robot può reagire al suo ambiente e cambiare la sua espressione emotiva istantaneamente. Sebbene i ricercatori notino che il sistema attualmente si basa su una comprensione pre-programmata di come la forma del corpo si relazioni all'emozione, e che il lavoro futuro dovrà affrontare come il robot mantenga questa espressione quando il suo controllore fisico commette piccoli errori, le fondamenta sono solide. Hanno dimostrato che un robot può generare movimenti complessi ed emotivi di tutto il corpo al volo, e che gli esseri umani possono leggere quelle emozioni con sorprendente accuratezza. Questo ci avvicina a un futuro in cui i robot non saranno solo strumenti funzionali, ma partner sociali capaci di esprimersi nel linguaggio universale del corpo.