患有自闭症的儿童可以从USC辅助机器人中受益

研究人员称，社交机器人可以帮助自闭症儿童学习，但前提是它们被设计成这样。南加州大学(University of Southern California)的一个团队开发出了使用个性化课程和机器学习的机器人，以实现更高效的互动。

许多自闭症儿童面临发育迟缓，包括沟通和行为方面的挑战社交障碍。这使得新技能成为一个重大挑战，特别是在传统的学校环境中。

治疗干预可以更有效，如果机器人人工智能可以准确地解释孩子的行为并做出适当的反应。南加州大学的研究人员计算机科学系为具有自闭症的儿童建立了定制的机器人，并研究了机器人是否可以使用机器学习对孩子估计孩子的兴趣。

自闭症机器人和儿童的主要研究

在其类型的最大研究之一中，研究人员将一个社会辅助机器人放在17名患有自闭症一个月的儿童的家庭中。机器人在干预期间为每个孩子的独特学习模式个性化他们的指导和反馈。

研究完成后，研究人员还分析了参与者的参与情况，并确定机器人可以自动检测孩子是否参与，准确率达90%。实验结果于去年年底发表在机器人和AI中的边界和科学的机器人。

让机器人变得更聪明

机器人的能力有限，他们可以自主识别和响应行为线索，特别是在非典型用户和现实世界环境中。本研究是第一个在营地内设立中建模学习模式和儿童与自闭症的参与。

“目前的机器人系统非常死板，”研究报告的主要撰写人肖米克·贾因说。他是一名数学进步生，得到了社会辅助机器人先驱的建议MajaMatarić教授。

“如果你想到真正的学习环境，老师将要学习关于孩子的事情，孩子会从他们那里学习。这是一个双向过程，并没有发生当前机器人系统，“Jain说。“这项研究旨在通过了解孩子的行为并实时回应它来使机器人更聪明。”

机器人增强治疗，提升学习体验

研究人员强调，目标是增加人类治疗，而不是替换它。

“人类治疗师是至关重要的，但他们可能不是每个家庭都能得到或负担得起的，”计算机科学本科学生、该研究的合著者卡提克·马哈詹(Kartik Mahajan)说。“这就是像这样的社交辅助机器人的用武之地。”

由美国国家科学基金会(NSF)资助Matarić，研究团队将Kiwi该家庭中的机器人放在17名儿童的家庭中，有大约一个月的自闭症谱紊乱。儿童参与者均为3至7岁，从洛杉矶大的岁月岁。

在几乎每天的干预期间，孩子们在平板电脑上玩太空主题的数学游戏，而Kiwi，一个2英尺高的机器人，打扮得像一只绿色的羽毛鸟，提供指导和反馈。

Kiwi的反馈和游戏难度是根据每个孩子独特的学习模式实时个性化的。南加州大学互动实验室Matarić的团队利用强化学习完成了这一任务，这是人工智能的一个快速发展的子领域。

这些算法监测孩子在数学游戏中的表现。例如，如果一个孩子回答正确，几维就会说:“干得好!”如果他们回答错了问题，Kiwi可能会给他们一些解决问题的有用建议，并在未来的游戏中调整难度和反馈。我们的目标是最大限度地提高难度，同时又不让学习者犯太多错误。

杰恩说:“如果你不知道孩子的能力水平，你就把一堆不同的问题扔给他们，这对他们的投入和学习都不好。”

“但如果机器人能够为问题找到合适的难度，那么就能真正提高学习体验。”

自闭症儿童是机器学习的挑战

患有自闭症及其家人的人们中有一种流行的谚语：“如果你遇到了一个有自闭症的人，你就会遇到一个患有自闭症的人。”

“自闭症是机器人个性化的最终前沿，因为任何了解自闭症的人都会告诉你，每个人都有一个症状和每个症状的不同症状的星座，”Matarić，陈刚刚超级计算机科学，神经科学和儿科和临时研究副总裁的杰出教授。

这为机器学习提供了特殊的挑战，这通常依赖于巨大的相似数据点对一致的模式。这就是为什么个性化是如此重要。

“如果我们从孩子那里拿一个提示，我们可以比脚本所达到的那么多，”Matarić说。“自闭症的正常AI方法失败。AI方法需要很多类似的数据，并且自闭症不可能，异质性统治。“

研究人员在对干预后孩子的参与度进行分析时解决了这个问题。参与的计算机模型是通过结合多种类型的数据开发出来的，包括眼睛凝视和头部姿势、音频音高和频率，以及在任务中的表现。

考虑到随之而来的噪音和不可预测性，让这些算法使用真实世界的数据工作是一个重大挑战。

“这个实验是他们学习经验的中心，”帮助在孩子们家里安装机器人的Kartik说。

“猫跳到机器人身上，厨房里的搅拌机响了起来，人们进进出出。”因此，机器学习算法必须足够复杂，以专注于与治疗过程相关的相关信息，并消除环境“噪音”。

改善人机交互

在月份的干预措施之前和之后进行评估。虽然研究人员希望看到参与者的一些改进，但结果超越了他们的期望。在本月干预结束时，100％的参与者表现出改善的数学技能，而92％的社交技能也有所改善。

在实验后的分析中，研究人员还能从数据中收集到一些其他有趣的信息，这些信息可以让我们一窥理想的儿童机器人互动的秘诀。

研究发现，在机器人说话后不久，所有参与者的参与度都提高了。具体来说，当机器人在前一分钟发言时，参与者参与的时间约为70%，而当机器人超过一分钟没有发言时，参与者参与的时间不到50%。

虽然每个用户的个性化模型是理想的，但研究人员还确定了使用从其他用户培训的数据培训的订婚模型来实现足够的结果。

此外，观察到的护理人员只有在较长一段时间失去兴趣时只能干预。相反，参与者经过较短的不合情时期之后，他们通常被自己重新参与。这表明机器人系统应该专注于抵消更长的脱离时期。

Matarić的实验室将继续研究从实验中收集的数据:一个积极的子项目涉及分析和建模儿童的认知-情感状态，包括困惑或兴奋等情绪。该项目由计算机科学专业的进步性学生钟浩(音译)领导，旨在设计具有情感感知能力的社交辅助机器人导师，使其在学习过程中对用户的情绪和情绪更加敏感。

“希望是这个实验室和其他地方的未来研究可以采取我们学到的所有事情，并希望设计更多的吸引力和个性化的人体机器人互动，”Jain说。