Como as vacas virtuais podem ajudar a melhorar as interações entre humanos e robôs

Um videojogo em que os participantes pastoreavam gado virtual melhorou a nossa compreensão de como os humanos tomam decisões sobre movimento e navegação, e poderá ajudar-nos não só a interagir de forma mais eficaz com a inteligência artificial, mas até a melhorar a forma como os robôs se movem no futuro.

Pesquisadores da Universidade Macquarie, na Austrália, da Scuola Superiore Meridionale, da Universidade de Nápoles Federico II, da Universidade de Bolonha, na Itália, e da University College London, no Reino Unido, usaram o videogame como parte de um estudo para entender mais sobre como a dinâmica perceptual- primitivos motores (DPMPs) podem ser usados ​​​​para imitar a tomada de decisão humana.

Um DPMP é um modelo matemático que pode nos ajudar a compreender como coordenamos nossos movimentos em resposta ao que está acontecendo ao nosso redor. Os DPMPs têm sido usados ​​para nos ajudar a compreender como tomamos decisões de navegação e como nos movemos ao realizar diferentes tarefas.

Isto se torna particularmente importante em ambientes complexos contendo outras pessoas e uma combinação de objetos fixos e móveis, como os que você pode encontrar em uma trilha movimentada ou em um campo esportivo.

Anteriormente, presumia-se que nossos cérebros criavam rapidamente mapas detalhados do que nos rodeava e depois planejavam como nos mover por eles.

Mas um corpo crescente de investigação apoia agora a ideia de que, em vez de fazermos um plano detalhado, avançamos naturalmente, tendo em conta o nosso objectivo e tendo em conta quaisquer obstáculos que encontramos ao longo do caminho.

No estudo, publicado em Ciência Aberta da Royal Societyos participantes foram convidados a trabalhar em duas tarefas de pastoreio, movendo uma única vaca ou um grupo de vacas para um curral.

Os pesquisadores rastrearam a ordem em que os jogadores encurralaram as vacas e alimentaram o DPMP com as informações para ver se o modelo poderia simular o comportamento dos jogadores humanos.

Autor principal, Ph.D. o candidato Ayman bin Kamruddin diz que o modelo DPMP da equipe foi capaz de imitar com precisão como os jogadores se moviam e também prever suas escolhas.

“Na tarefa multi-alvo, três padrões surgiram quando as pessoas selecionavam seus alvos: a primeira vaca que escolheram estava mais próxima delas em distância angular, todas as vacas sucessivas estavam mais próximas em distância angular da anterior que haviam selecionado, e ao escolher entre duas vacas, era mais provável que escolhessem aquela que estava mais distante do centro da zona de contenção”, diz o professor Richardson.

“Uma vez que fornecemos ao DPMP essas três regras para a tomada de decisões, ele poderia prever quase 80% das escolhas sobre quais vacas pastorear em seguida, e também prever como os participantes se comportariam em novas situações com múltiplas vacas”.

Os jogos de pastoreio são frequentemente utilizados em estudos como este porque imitam situações da vida real em que as pessoas precisam controlar outros agentes.

No passado, baseavam-se numa vista aérea dos animais-alvo, levantando a questão de saber se esta visão não natural do campo de jogo estava a distorcer as conclusões, ao fazer com que os participantes tomassem decisões diferentes das que tomariam numa situação real simplesmente porque eles tinham uma visão geral completa.

Para resolver isso, a equipe desenvolveu um novo tipo de jogo de pastoreio que limitaria o campo de visão dos participantes ao que um humano normalmente poderia ver com uma perspectiva da tarefa em primeira pessoa, muito parecido com o de muitos videogames RPG.

O autor sênior, Professor Michael Richardson, do Centro de Pesquisa de Desempenho e Especialização da Universidade Macquarie, diz que a mudança de perspectiva tem implicações importantes.

“Embora pesquisas anteriores tenham mostrado que os DPMPs podem ser usados ​​para prever o comportamento de uma multidão ou seguir um alvo em movimento, o nosso estudo é o primeiro a analisar se o modelo pode ser estendido para explicar como um humano guia um personagem ou robô virtual”, diz ele.

“Este é mais um passo para informar o design de sistemas mais responsivos e inteligentes.

“Nossas descobertas destacaram a importância de incluir estratégias inteligentes de tomada de decisão nos modelos DPMP para que os robôs e as IAs imitem melhor como as pessoas se movem, se comportam e interagem.

“Eles também sugerem que os DPMPs podem ser úteis em situações da vida real, tais como gestão de multidões e planeamento de evacuações, formação de bombeiros em realidade virtual, e até mesmo em missões de busca e salvamento, porque podem ajudar-nos a prever como as pessoas irão reagir e mover-se. ”

Este conteúdo foi publicado originalmente no The Macquarie University Lighthouse.