Criação de dados de treinamento para estimar os estados de cuidado dos usuários do robô

Uma equipe de pesquisa liderada pelo professor assistente Mizuki Takeda, do Departamento de Engenharia Mecânica da Universidade de Tecnologia de Toyohashi, desenvolveu uma técnica para gerar dados de treinamento para robôs que operam com base em estimativas do estado do usuário usando aprendizado de máquina. A pesquisa está publicada na revista Acesso IEEE.

Até o momento, alguns métodos baseados em aprendizado de máquina foram propostos para estimar o estado dos usuários de um robô usando pontos candidatos para a posição do centro de gravidade. Porém, para tal aprendizado, são necessários dados de treinamento correspondentes a quando o robô é utilizado para suportar movimentos. A equipe de pesquisa desenvolveu um método de criação de dados de treinamento usando um modelo de ligação do corpo humano sem a necessidade de analisar os movimentos.

O desenvolvimento de robôs que suportam tarefas frequentemente executadas, como levantar-se e caminhar, está a progredir, uma vez que os idosos com músculos enfraquecidos necessitam frequentemente de assistência nas suas vidas diárias. Os robôs muitas vezes precisam realizar ações de assistência automaticamente para reduzir a carga sobre os cuidadores humanos. Esta característica dos robôs requer estimar o estado em termos da postura dos idosos que utilizam o robô e fornecer suporte adequado para o seu estado.

A equipe de pesquisa propôs um método para calcular as posições candidatas do centro de gravidade do usuário do robô e estimar o estado usando aprendizado de máquina. Porém, neste método, é necessário adquirir os movimentos do usuário como dados de treinamento durante a utilização do robô. Particularmente, a aquisição de dados em estados anormais (tais como posturas em que o utilizador tem probabilidade de cair enquanto caminha) pode ser extenuante para os idosos que se encontram nestes estados anormais.

Portanto, a equipe de pesquisa desenvolveu um método para criar dados de treinamento para posições candidatas ao centro de gravidade usando um modelo de ligação do corpo humano sem a necessidade de medir movimentos. O modelo de ligação do corpo humano é um modelo simples que representa o corpo humano com ligações rígidas e juntas rotativas. Este modelo pode ser usado para simular posições humanas em cada estado, como sentado, em pé e estados anormais e, assim, criar dados de treinamento.

Experimentos confirmaram que os robôs de atendimento podem aprender com base nos dados de treinamento criados por este método, estimar o estado do usuário e apoiar ações de levantar, caminhar e sentar.

A equipe acredita que o método de criação de dados de treinamento desenvolvido com base no modelo de ligação do corpo humano pode ser aplicado para cuidar de robôs de vários formatos e servindo a diversos propósitos. Além disso, pode ser aplicado a robôs industriais e de comunicação, onde são necessárias operações baseadas em estimativas de estado de pessoas.

No futuro, a equipe de pesquisa planeja criar um sistema mais seguro e fácil de usar, desenvolvendo um robô baseado em interferências capaz de apresentar ao usuário as informações necessárias para uma comunicação eficaz entre humanos e robôs.