Verbetering van Betrokkenheid van Sociale Robots door het Genereren van Real-Time Backchannels
Eén op de tien ouderen voelt zich eenzaam (WHO, 2025). Dat raakt niet alleen het welzijn, maar verhoogt ook het risico op onder meer hart- en vaatziekten en depressie. Sociale robots kunnen een aanvullende rol spelen in woonzorgcentra. Niet om het menselijk contact te vervangen, maar om het te versterken.
Een robot die écht een gesprek kan voeren, is echter minder evident dan het lijkt. Dankzij taalmodellen kunnen robots tegenwoordig inhoudelijk een zinvol antwoord geven, maar het gesprek voelt vaak onnatuurlijk aan. De robot heeft moeite met het einde van een zin te bepalen, een bepaald dialect te kunnen verstaan of te kunnen aangeven dat die actief aan het luisteren is. Dat laatste laten we voortdurend merken, met korte signalen zoals "mhm", "ja" of "oh wow", of met een knik. In de literatuur heten die signalen: "backchannels".
Naar aanleiding van deze masterproef werd een module ontwikkeld die Pepper, een sociale robot, laat bepalen wanneer die best een backchannel teruggeeft en welk type (een eerder neutrale "mhm" of een inhoudelijke reactie zoals "wow"). Daarbij werden twee methodes getest om dat moment te voorspellen, een regelgebaseerde en een machine-learningaanpak. Hieruit bleek dat de machine-learningaanpak voor een verhoogde betrokkenheid zorgt met de robot. Zo voelt de robot niet enkel meer natuurlijk aan, maar zorgt dit er ook voor dat mensen langer met de robot in interactie gaan.
Meer lezen