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

In de drukke ruimtes van ons dagelijks leven, van winkelcentra tot concertpodia, beginnen robots tussen ons te bewegen. We kijken niet alleen naar hen om te zien of ze een doos kunnen tillen of een kamer door kunnen lopen; we kijken naar hen om te zien hoe ze zich voelen. Mensen zijn geprogrammeerd om emotie in beweging te lezen. Een hangende schouder suggereert verdriet, terwijl een veerkrachtige stap vreugde impliceert. Dit is een lichaamstaal die we zonder woorden begrijpen, een vaardigheid die we constant gebruiken bij de interactie met andere mensen. Maar om een robot deze taal te laten spreken, moet hij meer doen dan alleen een taak uitvoeren; hij moet die taak uitvoeren met een specifieke emotionele toon. Tot nu toe was het moeilijk om een machine te leren dit te doen. De meeste systemen die emotionele beweging creëren voor digitale personages, vertrouwen op menselijke acteurs om een referentievideo of een eenvoudige label zoals "blij" te leveren. Deze methoden zijn rigide. Een label kan niet worden aangepast om een beweging iets enthousiaster of iets minder gespannen te maken, en een video-referentie zit vast in de tijd, onbekwaam om ter plekke van stemming te veranderen. Bovendien, wanneer deze digitale bewegingen worden overgebracht naar een fysieke robot, vervormt het proces vaak de gevoelens die ze juist bedoeld waren over te brengen, waarbij de subtiele verschuivingen in snelheid en houding die de emotie dragen, verloren gaan.

Een team van onderzoekers heeft een nieuwe manier ontwikkeld om dit probleem op te lossen, door een systeem te creëren dat een fysieke robot in staat stelt om in realtime emotionele beweging te genereren, met de mogelijkheid om zijn stemming aan te passen terwijl hij beweegt. Ze noemen hun framework PAMoR. In plaats van te vertrouwen op menselijke labels of vooraf opgenomen video's, behandelt het systeem emotie als een reeks meetbare fysieke grootheden. Het gebruikt een psychologisch model dat bekend staat als het valentie-arousal-vlak, dat gevoelens in kaart brengt op twee eenvoudige schalen. De eerste schaal, valentie, meet hoe positief of negatief een gevoel is, variërend van verdriet tot geluk. De tweede schaal, arousal, meet hoe actief of kalm een gevoel is, variërend van verveling tot opwinding. De onderzoekers ontdekten dat ze deze twee getallen direct uit de eigen lichaamsbewegingen van de robot konden berekenen. Ze ontdekten dat een positief, blij gevoel overeenkomt met een open, uitgebreide houding, terwijl een negatief gevoel overeenkomt met een gecontracteerde, ingezakte houding. Evenzo duiden hoge energie en snelheid op een hoge arousal, terwijl langzame, stille bewegingen duiden op een lage arousal. Door deze fysieke observaties in een wiskundige formule om te zetten, kan het systeem elke beweging die het ziet voorzien van een precieze emotionele coördinaat, zonder dat er een mens nodig is om het te bekijken en op te schrijven.

De onderzoekers bouwden een robot die in staat is dit systeem te gebruiken op een mensoïde machine met 29 gewrichten genaamd de Unitree G1. Het brein van de robot is ontworpen om tegelijkertijd naar drie verschillende instructies te luisteren. Eén instructie vertelt hem welke actie hij moet uitvoeren, zoals lopen of een stoot geven. De andere twee instructies vertellen hem hoe hij die actie moet uitvoeren door de valentie- en arousal-getallen in te stellen. Om dit te laten werken zonder dat de instructies met elkaar in de war raken, gebruikt het systeem een speciale methode waarbij het drie afzonderlijke leermodellen combineert. Eén model leert de actie, terwijl de andere twee leren hoe ze die actie vormgeven met verschillende emotionele tonen. Bij elke stap van de bewegingsgeneratie werken deze modellen samen om een beweging te produceren die past bij het commando. Dit stelt de robot in staat om van stemming te veranderen terwijl hij beweegt. Een gebruiker kan de robot vertellen om te lopen, en vervolgens, terwijl hij loopt, het commando veranderen van "kalm en neutraal" naar "enthousiast en blij", en de robot zal zijn pas en houding onmiddellijk aanpassen om bij het nieuwe gevoel te passen.

De resultaten van dit werk laten zien dat het systeem opmerkelijk goed werkt. Wanneer de onderzoekers de robot opdroegen om met specifieke emotionele coördinaten te bewegen, kwamen de werkelijke bewegingen van de robot met hoge precisie overeen met die commando's. Het systeem kon een volledig scala aan emoties genereren, van angstig tot ontspannen, en de lichaamstaal van de robot verschoof soepel over dit spectrum. Om te zien of mensen deze emoties daadwerkelijk konden lezen, voerden de onderzoekers een studie uit waarbij mensen video's bekeken van de robot die acties uitvoerde zoals zwaaien of een stoot geven met verschillende emotionele tonen. De waarnemers werden gevraagd te raden welke emotie de robot probeerde over te brengen. Het systeem slaagde erin de beoogde emoties duidelijk te maken voor de kijkers. In bijna 40 procent van de proeven identificeerden de kijkers correct de specifieke emotie die de robot probeerde over te brengen. Dit is een significante verbetering ten opzichte van eerdere methoden, die vertrouwden op tekstprompts of video-referenties, en het nadert het niveau van herkenning dat mensen bereiken wanneer ze menselijke acteurs emotionele bewegingen zien uitvoeren. De studie bevestigde ook dat de bewegingen van de robot natuurlijk en menselijk aanvoelden, in plaats van mechanisch of stijf.

Deze benadering vertegenwoordigt een verschuiving in hoe we denken over robotbeweging. In plaats van emotie te behanden als een aparte laag die bovenop een taak wordt toegevoegd, hebben de onderzoekers het verankerd in de fysieke realiteit van het lichaam van de robot. Door houding en snelheid direct te meten, creëerden ze een systeem waar emotie niet alleen een label is, maar een controleerbare parameter die met dezelfde gemak kan worden aangepast als volume of snelheid. Het systeem werkt in realtime, wat betekent dat de robot op zijn omgeving kan reageren en zijn emotionele expressie onmiddellijk kan veranderen. Hoewel de onderzoekers opmerken dat het systeem momenteel vertrouwt op een geprogrammeerd begrip van hoe lichaamsvorm gerelateerd is aan emotie, en dat toekomstig werk moet adresseren hoe de robot deze expressie behoudt wanneer zijn fysieke controller kleine fouten maakt, is de basis solide. Ze hebben aangetoond dat een robot complexe, emotionele bewegingen van het hele lichaam on the fly kan genereren, en dat mensen die emoties met verrassende nauwkeurigheid kunnen lezen. Dit brengt ons dichter bij een toekomst waarin robots niet alleen functionele instrumenten zijn, maar sociale partners die in staat zijn zichzelf uit te drukken in de universele taal van het lichaam.