Design and Development of a Low-Cost AI-Based Robotic Face for Real-Time Visual Tracking and Voice Interaction

Gli esseri umani sono programmati per prestare attenzione ai volti. Quando parliamo l'uno con l'altro, non ci limitiamo ad ascoltare le parole; osserviamo gli occhi che si spostano, le teste che si voltano e le bocche che si muovono in sincronia con il suono. Questo costante scambio silenzioso di segnali visivi è ciò che rende una conversazione viva. Per decenni, gli ingegneri hanno cercato di costruire macchine capaci di partecipare a questo scambio, creando robot che ci guardino e ci rispondano parlando. Tuttavia, gli esempi più convincenti di queste macchine sono stati solitamente rinchiusi in costosi laboratori o dietro le porte chiuse di grandi aziende, con costi di decine di migliaia di dollari e richiedendo tecnologie proprietarie complesse, difficili da studiare o migliorare per altri. Ciò crea un divario tra la ricerca d'avanguardia, che spinge i confini di ciò che è possibile, e gli strumenti accessibili di cui studenti, insegnanti e inventori indipendenti hanno bisogno per imparare ed sperimentare.

Un team di ricercatori del Muffakham Jah College of Engineering and Technology di Hyderabad, in India, si è posto l'obiettivo di colmare questo divario. Si sono posti una domanda semplice ma difficile: potevano costruire un volto robotico capace di imitare l'interazione umana in tempo reale utilizzando solo componenti economici e accessibili? Il loro obiettivo non era creare una macchina in grado di esprimere emozioni complesse come gioia o tristezza, quanto piuttosto costruire una che potesse compiere le azioni fondamentali che gli esseri umani compiono durante una conversazione: guardare la persona che parla, ammiccare naturalmente e muovere la bocca in sincronia con la propria voce. Combinando un piccolo computer economico con una telecamera e alcuni motori, hanno creato un sistema che dimostra come un'interazione sofisticata non richieda una fortuna.

Il dispositivo che hanno costruito è una testa robotica, grande all'incirca quanto una testa umana, costruita con parti in plastica stampate in 3D. All'interno, una piccola scheda computerizzata funge da cervello, mentre una telecamera serve come i suoi occhi. I ricercatori hanno programmato questo computer affinché scansionasse costantemente la stanza alla ricerca di un volto umano. Quando individua una persona, calcola dove questa si trova rispetto al centro della visuale della telecamera. Invece di limitarsi a fissare il vuoto, il robot usa queste informazioni per ruotare fisicamente gli occhi e la testa per seguire il movimento della persona. Se una persona cammina verso sinistra, gli occhi del robot si voltano a sinistra; se la persona fa un passo indietro, il robot regola lo sguardo. Questo tracciamento avviene continuamente, creando l'illusione che la macchina stia prestando attenzione.

Per rendere l'interazione più naturale, il team ha aggiunto uno strato di intelligenza artificiale che permette al robot di parlare. Quando una persona parla con il robot, un microfono cattura il suono, che viene poi inviato a un servizio basato sul cloud per essere convertito in testo. Un modello linguistico elabora quel testo per generare una risposta, che viene poi trasformata nuovamente in parlato. La parte più impegnativa di questo processo non è stata solo l'ascolto e il parlare, ma far sì che la bocca del robot si muovesse in modo coordinato con il suono. I ricercatori hanno risolto questo problema collegando la mascella dell'output audio. Mentre il robot parla, un piccolo motore apre e chiude la mascella con un pattern ritmico che imita l'articolazione naturale del parlato umano. Questa sincronizzazione è fondamentale; senza di essa, il robot suonerebbe come una voce proveniente da un oggetto statico, il che risulta innaturale e inquietante per gli osservatori umani.

I ricercatori hanno testato rigorosamente la loro creazione per vedere come si comportasse in diverse condizioni. Hanno scoperto che il sistema poteva rilevare un volto con un'accuratezza di circa il 92 percento in condizioni di buona illuminazione. Il tempo impiegato dal robot per vedere un volto, elaborare l'immagine e muovere gli occhi è stato sorprendentemente rapido, compreso tra i 180 e i 250 millisecondi. Per dare un termine di paragone, questo ritardo è così breve che un osservatore umano percepirebbe la reazione del robot come quasi istantanea, permettendo una conversazione fluida senza pause imbarazzanti. Il sistema è rimasto stabile anche mentre la persona si muoveva, tracciando i movimenti della testa entro un intervallo definito senza perdere l'obiettivo.

Tuttavia, lo studio ha anche evidenziato i limiti derivanti dall'uso di componenti a basso costo. I ricercatori hanno notato che le prestazioni del robot diminuivano significativamente in condizioni di scarsa illuminazione o quando la persona era lontana, poiché la telecamera faticava a vedere i dettagli necessari. Hanno inoltre osservato che le parti meccaniche, specificamente i piccoli motori utilizzati per muovere gli occhi e la mascella, introducevano un leggero ritardo e non potevano muoversi con la stessa fluidità dei motori costosi presenti nei robot di ricerca di alta gamma. Inoltre, poiché il sistema si affida a Internet per elaborare il parlato e generare risposte, qualsiasi ritardo nella connessione di rete rallenterebbe la capacità del robot di rispondere. Questi fattori significano che, sebbene il robot funzioni bene in un ambiente controllato, non è ancora pronto per il caos imprevedibile di uno spazio pubblico affollato.

Nonostante queste limitazioni, il progetto rappresenta un passo avanti significativo nel rendere la robotica accessibile. Il team ha dimostrato che concentrandosi su comportamenti essenziali — tracciamento, ammiccamento e parlato sincronizzato — si può creare una macchina che appare sorprendentemente umana senza bisogno di un budget di decine di migliaia di dollari. L'intero design, inclusi il codice e le istruzioni per la stampa 3D, è stato reso pubblico. Questa apertura invita altri ricercatori e studenti a costruire sulle basi del lavoro, testare nuove idee e, forse un giorno, creare robot che non solo possano guardarci, ma capirci veramente. Il lavoro suggerisce che il futuro dell'interazione uomo-robot non appartiene solo ai ricchi o all'élite, ma può essere costruito da chiunque possieda una telecamera, un computer e alcuni motori.