Cattura virtuale: miglioramento dell'interazione uomo-robot attraverso lo studio dei movimenti in un videogioco innovativo
RomeI ricercatori che studiano le interazioni tra umani e robot hanno fatto nuove scoperte grazie a un videogioco che riguarda il pascolo del bestiame. Questo approccio ci aiuta a comprendere come le persone prendono decisioni sui movimenti e orientarsi nello spazio. Analizzando i modelli di movimento e percezione di base, gli scienziati sperano di migliorare la cooperazione tra esseri umani e robot.
Ricercatori della Macquarie University e dell'University College London hanno collaborato a uno studio utilizzando un gioco in cui i partecipanti dovevano spostare delle mucche in un recinto. Il modello DPMP ha replicato con precisione i movimenti umani, rivelando schemi di decisione significativi.
- I giocatori hanno dato priorità alle mucche più vicine per angolo di distanza.
- Le mucche più lontane dal centro della zona di contenimento erano favorite nelle decisioni.
- I modelli prevedevano comportamenti in nuovi scenari, con un'accuratezza di circa l'80%.
Questo nuovo approccio utilizza una visuale in prima persona, simile ai videogiochi di ruolo, che è più efficace rispetto alla vista dall'alto. Rende il processo decisionale più realistico e ha un impatto più ampio. Limitando ciò che è visibile, come nel modo naturale in cui le persone si orientano, si riducono i pregiudizi derivanti dalla visione dall'alto.
Queste scoperte potrebbero trasformare il funzionamento dei robot e dei sistemi di intelligenza artificiale. In futuro, i robot che utilizzano algoritmi basati su DPMP potrebbero comprendere e gestire i compiti in maniera più simile agli esseri umani. Ciò potrebbe portare miglioramenti in settori come la gestione delle folle, la risposta alle emergenze e la guida di veicoli autonomi.
Simulazioni dinamiche possono migliorare notevolmente le sessioni di addestramento. Vigili del fuoco, squadre di soccorso e altri lavoratori potrebbero sfruttare ambienti virtuali basati su studi DPMP per esercitarsi in situazioni realistiche. Modelli predittivi li aiuterebbero a prepararsi di fronte a circostanze mutevoli e imprevedibili.
Questa ricerca potrebbe portare allo sviluppo di sistemi AI più facili da utilizzare. Immagina assistenti AI che si muovono simili agli esseri umani, facilitando la collaborazione con loro. Questi sistemi sarebbero in grado di apprendere meglio le nostre abitudini e preferenze, rendendosi così più utili ed efficienti.
Lo studio dell'allevamento virtuale di bestiame esplora modi per creare sistemi più intelligenti e reattivi. Imparando da come gli esseri umani prendono decisioni, i robot del futuro potrebbero integrarsi facilmente nelle nostre vite quotidiane e gestire situazioni complesse senza difficoltà.
Lo studio è pubblicato qui:
http://dx.doi.org/10.1098/rsos.231919e la sua citazione ufficiale - inclusi autori e rivista - è
Ayman bin Kamruddin, Hannah Sandison, Gaurav Patil, Mirco Musolesi, Mario di Bernardo, Michael J. Richardson. Modelling human navigation and decision dynamics in a first-person herding task. Royal Society Open Science, 2024; 11 (10) DOI: 10.1098/rsos.231919Condividi questo articolo