FenixEdu™

Dissertação

{en_GB=Human-Robot greeting: A model based on social studies and Hidden Markov Models} {} EVALUATED

Detalhes: {pt=Robôs sociais móveis devem ser capazes de iniciar uma interação com pessoas de forma eficaz. No entanto, cumprimentar alguém é uma tarefa complexa. Adam Kendon criou um modelo para cumprimentos, composto por seis fases: Initiation of Approach, Distance Salutation, Head Dip, Approach, Final Approach, e Close Salutation. Estas podem ser bastante úteis para um robô social compreender uma pessoa que pretende cumprimentá-lo e agir devidamente. Neste trabalho propõe-se um sistema para robôs sociais móveis que estima a fase do cumprimento usando um HMM (Hidden Markov Model), através de características observáveis, e replica-a com movimentos apropriados usando BTs (Behavior Trees). Usaram-se datasets públicos para treinar o HMM através do algoritmo EM (Expectation-Maximization), extraindo e classificando, para tal, as características observáveis do cumprimento necessárias. De seguida, testou-se a previsão de estados com um conjunto de teste, obtendo 80.9% dos estados corretos. Para testar o sistema de cumprimento, usou-se um robô humanóide e móvel do Instituto de Sistemas e Robótica, o Vizzy. Conduziram-se experiências num simulador, prevendo corretamente cerca de 92% dos estados em tempo real, dadas várias situações de cumprimentos. Quando se juntaram as BTs à previsão dos estados, confirmou-se que cada uma das seis fases era devidamente replicada. Finalmente, foi possível reproduzir cumprimentos de forma natural, confirmando a aplicabilidade do sistema para HRI (Human-Robot Interaction)., en=Social mobile robots should be capable of effectively open interaction with people. However, greeting someone is a complex task. Adam Kendon modeled greetings as a set of six phases: Initiation of Approach, Distance Salutation, Head Dip, Approach, Final Approach, and Close Salutation. These are valuable for a social robot to infer people's greeting intentions and comply with them. This work proposes a system for mobile social robots that estimates the greeting phase through an HMM (Hidden Markov Model) by extracting observable features, and follows it with the appropriate behaviors using BTs (Behavior Trees). We used publicly available datasets to train the HMM, through the EM (Expectation-Maximization) algorithm, extracting and labeling the necessary observable greeting features. Later, we tested the state estimation with sequences from the same datasets, and obtained an average accuracy of 80.9%. To test the system we used a humanoid robot from the Institute for Systems and Robotics, Vizzy. We conducted experiments on a simulator, obtaining an accuracy around 92% while predicting states seen by the robot, in different greeting situations. When connecting BTs to the state prediction, we confirmed that every state was properly replicated and natural greetings were achieved, confirming the system's applicability for HRI (Human-Robot Interaction).}
Keywords: {pt=robôs sociais, cumprimentos, Hidden Markov Model, Behavior Trees., en=social robots, greetings, Hidden Markov Model, Behavior Trees}

Discussão: janeiro 28, 2021, 14:30