Hur man får en robot att le

I en helt ny rynka enligt det gamla ordspråket, Smile and the world smiles with you, rynka pannan och du rynkar ensam, producerar japanska forskare en generation robotar som kan identifiera mänskliga ansiktsuttryck och sedan svara på dem. Ett team som leds av Fumio Hara, en maskinteknikprofessor vid Science University of Tokyo, har byggt ett kvinnligt robothuvud som både kan känna igen och uttrycka rädsla, lycka, överraskning, sorg, ilska och avsky.





Huvudmålet med Haras projekt, som stöds av ett femårigt anslag på 3 miljoner dollar från den japanska regeringen, är inte bara att producera en robotversion av monkey-see, monkey-do. Istället är syftet att skapa robotar som kommer att känna empati med oss ​​och få oss att känna oss mer bekväma när de läser känslomässiga förändringar som uttrycks i våra ansikten. Forskarna förväntar sig att sådana visuellt känslomässiga robotar skulle uppskattas av fabriksarbetare som tvingas dela linjen med elektroniska arbetskamrater. Robotarna kan till och med vara användbara som läromedel för vissa autistiska barn som har en kommunikationsstörning som gör det svårt för dem att förstå ansiktsuttryck och svara på dem korrekt.

Stråla ner det

Den här historien var en del av vårt oktobernummer 1997

  • Se resten av frågan
  • Prenumerera

Ett överraskande inslag i Haras forskning är dess tillkomst. Under den stora ekonomiska expansionen i Japan på 1970-talet började olyckor inträffa i nybyggda kemiska anläggningar. Hara förmodade att anläggningsoperatörer hade svårt att upptäcka problem genom att läsa banker av digitala avläsningspaneler. Jag tänkte att det de behövde var en mer global syn på vad som pågick i anläggningen, säger han, och om något gick fel kan det till exempel uttryckas som ett ledset ansikte.



Tyvärr mötte ingenjörerna snart stora hinder. De fann att det inte bara var svårt att tilldela ansiktsuttryck till det breda utbudet av driftsfel – från ett rörigt fabriksgolv till farliga förändringar i temperatur eller tryck i tillverkningsprocessen – utan också att enskilda mänskliga operatörer tolkade samma uttryck på olika sätt . Uppgiften att knyta ansiktsuttryck till växtförhållanden visade sig så småningom komplicerad att Hara gav upp forskningen.

Men i mitten av 1980-talet, när en av hans elever uttryckte intresse för robotforskning, undrade Hara om tillvägagångssättet för ansiktsuttryck, även om det var ett misslyckande på växtnivå, kunde fungera mellan enskilda robotar och människor. Han började med att använda sig av arbete av Paul Ekman, en professor i psykologi vid University of California i San Francisco, som delade in rörelserna av mänskliga ansiktsuttryck i 44 kategorier, eller handlingsenheter. Varje åtgärdsenhet skulle motsvara en individuell rörelse, som att ögonbrynen går upp eller ner eller att läpparna drar ihop sig. Att kombinera handlingsenheter på olika sätt gav olika uttryck. Till exempel innebär avsky att sänka brynet, rynka näsan och höja hakan.

Med början på 1990-talet började Haras grupp skapa sex uttryck - rädsla, lycka, överraskning, sorg, ilska och avsky - som, enligt Ekman, är universella för alla mänskliga kulturer. Teamet konstruerade ett robothuvud i aluminium med 18 lufttrycksdrivna mikroaktuatorer - i huvudsak små kugghjul - som kunde efterlikna 26 ansiktsrörelser. Nästa steg var att gjuta ett ansikte i silikongummi från en form som tagits från en av de manliga eleverna i laboratoriet. Eftersom den helt manliga gruppen önskade en kvinnlig närvaro i labbet, feminiserade de det manliga ansiktet genom att lägga till en peruk av naturligt hår, grova kinder och läppstift. Huvudet var också försett med löständer.



Genom försök och misstag kopplade forskarna upp små ledningar från manöverdonen till fläckar på masken som, när de flyttades, skulle återskapa de åtgärdsenheter som krävs för att återskapa de sex önskade uttrycken. Robotens huvud och ögonglober konstruerades också för att göra mänskliga rörelser. Till slut satte de japanska ingenjörerna en liten kamera i robotens vänstra öga för att skanna ett mänskligt ansikte när det var placerat cirka en meter bort. En dator ansluten till kameran bestämde personens uttryck genom att söka efter ljusstyrkavariationer i olika delar av ansiktet.

Datorn observerade förändringar i de mörka områdena - ögon, mun, näsa och ögonbryn - som uppstår när ett ansikte flyttar från sitt neutrala, känslolösa uttryck till det som visar en av sex känslor. Med hjälp av ett neuralt nätverksbaserat självträningsprogram kunde datorn så småningom inom 60 millisekunder känna igen hur förändringar i ljusstyrkans mönster i en individs ansikte relaterar till uttrycken av en given känsla. En sådan bearbetningshastighet i kombination med förfining i utformningen av ställdonen gjorde det möjligt för robotens silikonyta att reagera på förändringar i uttryck med mänsklig hastighet.

Roboten var förvånansvärt exakt och gissade korrekt uttrycken hos testpersoner, i genomsnitt 85 procent av gångerna. Den klarade sig också lika bra som ansiktsskådespelare. Faktum är att en grupp elever identifierade robotens uttryck korrekt 83 procent av gångerna. Som jämförelse identifierade samma elever ansiktsuttryck hos professionella skådespelare 87 procent av gångerna.



Sedan berättelser om robotens prestanda först dök upp i början av 1990-talet har Hara blivit kontaktad av några oväntade parter. Dessa inkluderade en konstnär som var intresserad av att skapa vad han tror är en ny konstform - människor och robotar som reagerar på varandras uttryck - och flera psykologer i Japan som tror att en sådan robot kan hjälpa vissa handikappade barn att övervinna svårigheterna med att visa lämpliga uttryck. Psykologerna skulle låta roboten fungera som en slags tvåvägsuppmaning, till exempel genom att visa hur ett glatt leende ser ut och, efter att ha antagit ett neutralt uttryck, indikerar när barnet har log genom att le tillbaka.

Mer omedelbart arbetar Haras team på en munrobot vars manöverdon realistiskt skulle efterlikna läpprörelser under tal. En sådan robot kan hjälpa personer med tal- eller språkstörningar, säger Hara, eftersom studier visar att mer än 50 procent av talförståelsen härrör från
ansiktsuttryck och rörelser.

Dölj