Humanoidalny robot nauczył się ruchów warg. Ćwiczył z lustrem i nagraniami
Naukowcy stworzyli robota, który potrafi nauczyć się ruchów warg potrzebnych do mowy i śpiewu. Maszyna uczy się tego sama – z obserwacji własnego odbicia w lustrze oraz z obserwacji ludzi. Robot zaśpiewał już piosenkę ze swojego debiutanckiego albumu - wygenerowanego przez sztuczną inteligencję.
Prawie połowa ludzkiej uwagi podczas rozmowy twarzą w twarz skupia się na ruchu warg – przypominają eksperci z Columbia University (USA). Jednak nawet najbardziej zaawansowane humanoidy wykonują zwykle niewiele więcej niż najprostsze ruchy ust.
Ponadto, ponieważ ludzie wychwytują najmniejsze mimiczne gesty, kiedy robot naśladuje mowę, często wydaje się nienaturalny.
Na łamach pisma „Science Robotics” badacze opisali tymczasem robota, który jest w stanie nauczyć się ruchów warg potrzebnych do zadań takich jak mowa i śpiew.
W dotychczasowych demonstracjach maszyna wykorzystała swoje umiejętności do artykułowania słów w różnych językach, a nawet do zaśpiewania piosenki ze swojego wygenerowanego przez sztuczną inteligencję, debiutanckiego albumu, zatytułowanego „hello world”.
Co ważne, robot nabył tę umiejętność poprzez naukę przez obserwację, a nie za pomocą sztywnych reguł. Najpierw nauczył się korzystać ze swoich 26 silników twarzowych, oglądając własne odbicie w lustrze, a następnie nauczył się naśladować ruchy ludzkich warg, oglądając godzinami filmy na YouTube.
„Im częściej będzie wchodzić w interakcje z ludźmi, tym lepszy się stanie” – uważa twórca wynalazku, prof. Hod Lipson.
Naukowcy przyznają jednak, że ruch warg jest jeszcze daleki od ideału.
„Mieliśmy szczególne trudności z twardymi głoskami, takimi jak »b«, oraz z dźwiękami wymagającymi ściągnięcia warg, takimi jak »w«. Jednak te umiejętności prawdopodobnie poprawią się wraz z czasem i praktyką” – mówi prof. Lipson.
Co kluczowe, synchronizacja warg ma być elementem bardziej holistycznej zdolności robota do komunikacji.
„Kiedy umiejętność synchronizacji ruchu warg zostanie połączona z konwersacyjną sztuczną inteligencją, taką jak ChatGPT czy Gemini, nada to zupełnie nową głębię więzi, jaką robot tworzy z człowiekiem” – podkreśla prof. Yuhang Hu, jeden z badaczy.
Naukowcy wierzą, że ekspresja twarzy jest „brakującym ogniwem” w rozwoju robotyki.
„Większość dzisiejszej robotyki humanoidalnej koncentruje się na ruchach nóg i rąk, w celu wykonywania czynności takich jak chodzenie czy chwytanie. Jednak ekspresja twarzy jest równie ważna w przypadku wszelkich zastosowań robotycznych wymagających interakcji z człowiekiem” – zwraca uwagę prof. Lipson.
Badacze przewidują, że przyjazne, realistyczne twarze będą stawać się coraz ważniejsze, w miarę jak roboty humanoidalne znajdą zastosowanie w takich dziedzinach jak rozrywka, edukacja, medycyna, a nawet opieka nad osobami starszymi.
Według niektórych prognoz w ciągu najbliższej dekady wyprodukowanych zostanie ponad miliard humanoidów – przypominają eksperci.
Marek Matacz (PAP)
mat/ agt/ know/
