EMoG: Emotion-Modulated Gait Generation for Expressive Humanoid Locomotion

Robots zijn al lang meesters van de fysieke wereld, in staat om zware objecten te tillen, oneffen terrein te navigeren en complexe taken met mechanische precisie uit te voeren. Toch voelen ze, wanneer het aankomt op de subtiele kunst van menselijke interactie, vaak stijf en afstandelijk aan. Hoewel ingenieurs het moeilijke probleem hebben opgelost om een robot te laten lopen zonder om te vallen, hebben ze grotendeels genegeerd hoe die robot loopt. In de menselijke communicatie vertelt de manier waarop we ons lichaam bewegen een verhaal dat net zo luid is als onze woorden; een hangende, slepende stap straalt verdriet uit, terwijl een stevige, stuiterende tred vreugde signaleert. Om echt verbinding te maken met mensen, moet een robot leren deze gevoelens uit te drukken via zijn gang, niet alleen door zijn gezicht of stem te veranderen, maar door de zeer ritme en vorm van zijn beweging aan te passen.

Een team van onderzoekers heeft een nieuw systeem ontwikkeld genaamd EMoG om humanoïde robots deze vaardigheid te leren. In plaats van een robot te programmeren met een vaste lijst van vooraf opgenomen wandelingen, stelt dit framework de machine in staat om ter plekke een unieke loopstijl te genereren, waarbij specifieke fysieke instructies worden vermengd met een emotionele toon. Het systeem werkt door twee verschillende soorten input te nemen: de praktische commando's die de robot vertellen waar hij heen moet en hoe snel, en een aparte "stijlcode" die de emotie van de beweging dicteert. Een klein, efficiënt computerprogramma combineert deze inputs vervolgens om een volledige lichaamsbeweging te creëren in realtime. Dit patroon is geen statische opname, maar een dynamische set instructies die het controlesysteem van de robot volgt, waardoor de machine stabiel blijft terwijl hij een specifieke stemming uitdrukt.

Om de robot te leren lopen met gevoel, hadden de onderzoekers eerst een bibliotheek van voorbeelden nodig. Ze namen professionele performers op die liepen terwijl ze zes verschillende emotionele staten uitbeelden: blij, zelfverzekerd, verdrietig, bang, verlegen en een neutrale basislijn. Deze acteurs liepen in verschillende richtingen en met verschillende snelheden, wat een rijke dataset van menselijke beweging opleverde. Het team gebruikte vervolgens een computerproces om deze menselijke bewegingen te vertalen naar een formaat dat de robot kon begrijpen, waarbij bewegingen die de machine het evenwicht zouden doen verliezen zorgvuldig werden weggefilterd. Ze braken de lange videosequenties op in herhalende stappencycli, om er zeker van te zijn dat de data fysiek mogelijke looppatronen vertegenwoordigde. Deze geautomatiseerde pijplijn creëerde een enorme collectie van meer dan twee miljoen frames aan bewegingsdata, dekkend over duizenden afzonderlijke loopfragmenten, die dienden als de trainingsgrond voor de nieuwe vaardigheid van de robot.

De kern van het systeem is een generator die leert om deze emotionele stijlen te mengen met fysieke commando's. Wanneer een gebruiker wil dat de robot vooruit loopt met een specifieke snelheid, kan hij ook een emotie specificeren, zoals "blij" of "verdrietig", en een intensiteitsniveau voor dat gevoel. Het systeem past de houding van de robot, de hoogte van zijn stappen en de spanning in zijn gewrichten aan om bij die emotie te passen. Een vrolijke wandeling kan bijvoorbeeld een meer rechtopstaande houding en grotere armzwaaien inhouden, terwijl een droevige wandeling een gebogen rug en kleinere, langzamere bewegingen zou vertonen. Cruciaal was dat de onderzoekers ervoor zorgden dat de robot zijn navigatiecommando's perfect kon blijven volgen. Zelfs wanneer de robot van emotionele stijl veranderde, behield hij exact de snelheid en richting die de gebruiker had aangevraagd, wat bewees dat expressiviteit niet ten koste hoeft te gaan van controle.

Om deze interactie nog natuurlijker te maken, voegde het team een taalinterface toe waarmee mensen rechtstreeks tegen de robot kunnen spreken. Met behulp van een groot taalmodel kan het systeem een zin als "Ik voel me een beetje neerslachtig" nemen en deze automatisch vertalen naar de juiste emotionele stijl en intensiteit voor de gang van de robot. Het systeem interpreteert het sentiment van de tekst, selecteert de passende loopstijl en stelt het intensiteitsniveau in, allemaal zonder dat een mens handmatig technische instellingen hoeft aan te passen. In tests slaagde de robot erin om deze vrij vormgegeven zinnen om te zetten in onderscheidbare loopgedragingen, wat aantoonde dat het systeem het emotionele gewicht van menselijke taal kon begrijpen en dit in zijn fysieke beweging kon reflecteren.

De onderzoekers testten hun systeem uitgebreid om te zien of de emotionele signalen daadwerkelijk zichtbaar waren voor mensen. Ze toonden video's van de robot die met verschillende emotionele stijlen liep aan een groep mensen en vroegen hen de stemming te identificeren. De resultaten lieten zien dat naarmate de intensiteit van de emotionele stijl toenam, mensen de beoogde emotie veel beter konden herkennen. Bijvoorbeeld, wanneer de robot met een hoge intensiteit van verdriet liep, identificeerden bijna alle waarnemers het correct als verdrietig. De studie vond echter ook dat sommige emoties moeilijker te onderscheiden waren dan andere; gevoelens zoals zelfverzekerdheid en verlegenheid werden soms verward met een neutrale wandeling, wat suggereert dat bepaalde emotionele expressies meer subtiele of uitgeslagen fysieke signalen vereisen om duidelijk begrepen te worden.

Wanneer de robot deze wandelingen daadwerkelijk uitvoerde op echte hardware, bleven de emotionele stijlen herkenbaar, hoewel iets minder uitgesproken dan in de videosimulaties. Dit is een veelvoorkomende uitdaging in de robotica, waarbij de fysieke beperkingen van de machine de nuance van een beweging soms kunnen dempen. Ondanks dit kon de robot bijna elke looptaak die hem werd gegeven succesvol voltooien, waarbij hij zijn evenwicht behield en zijn pad volgde terwijl hij complexe emoties uitdrukte. Het systeem bewees dat het mogelijk is om een robot een persoonlijkheid te geven via zijn loopje zonder dat dit ten koste gaat van zijn vermogen om zijn werk te doen. Door de emotionele stijl te scheiden van de fysieke commando's, creëerden de onderzoekers een flexibele tool die robots in staat stelt om met een menselijke expressiviteit te bewegen, waardoor de kloof tussen mechanische functie en sociale verbinding wordt overbrugd.