Los científicos han desarrollado una cabeza robótica que puede coincidir con las expresiones en tiempo real de los humanos cercanos, gracias a su flexible cara azul.

El robot autónomo, llamado Eva, aprende profundamente, «lee» una forma de inteligencia artificial (IA) y luego refleja las expresiones en rostros humanos con una cámara.

Eva puede expresar seis emociones básicas: ira, odio, miedo, alegría, tristeza y sorpresa, así como una reacción «más sutil».

Los «músculos» artificiales (los cables y los motores deben ser precisos) tiran de puntos específicos en la cara de Eva, reflejando los músculos debajo de nuestra piel.

Los científicos de la Universidad de Columbia en Nueva York dicen que las expresiones faciales similares a las de los humanos en los robots pueden generar confianza entre los humanos y sus colegas y observadores robóticos.

¿Cómo actúa Eva?

El hombre realiza diferentes expresiones faciales en una cámara, que transmite la imagen a una pequeña pantalla en tiempo real y se dirige hacia la cara del robot.

Para reflejar la expresión facial particular, Eva se basó en la biblioteca de expresiones faciales.

Los ‘músculos’ artificiales, cables y motores computarizados, alcanzan su piel azul.

Los investigadores dicen que Eva imita los movimientos de más de 42 pequeños músculos unidos en varios puntos a la piel y los huesos de los rostros humanos.

La mayoría de los robots de hoy son capaces de comprender las habilidades humanas, como levantar objetos y moverse de un lugar a otro.

Entonces, un detalle que no existe son las expresiones faciales similares a las humanas. Los investigadores señalan que los robots «juegan con la visión vacía y estática de un jugador de póquer profesional».

READ  Los carretes de Instagram permiten a los creadores de 'remezclas' como Dictok Duet colaborar con otros: cómo usar

La cara azul brillante de Eva se inspiró en el conjunto Blue Man, una compañía estadounidense de artes escénicas que presenta a tres artistas tontos de cara azul.

«La idea de EVA tomó forma hace unos años, y nuestros estudiantes y yo comenzamos a notar que los robots en nuestro laboratorio nos miraban a través de ojos plásticos y saltones», dijo Hod Libson, director del Laboratorio de Máquinas Creativas de la Universidad de Columbia.

Lipson notó una tendencia similar en una tienda de comestibles donde se encontró con robots que llevaban insignias con su nombre, en una ocasión, adornados con un gorro tejido a mano.

«La gente parecía humanizarse al dar a sus colegas robots ojos, un letrero o un nombre», dijo.

«Nos hizo preguntarnos, si los ojos y la ropa funcionan, ¿por qué no crear un robot con un rostro humano súper expresivo y receptivo?»

La primera fase del proyecto comenzó hace varios años en el laboratorio de Lipson, cuando el equipo construyó el busto deformado de Eva, que controlaba diferentes puntos musculares con una computadora.

El equipo utilizó la impresión 3D para producir piezas con patrones intrincados integrados a la perfección en el cráneo de Eva.

Los investigadores utilizaron una serie de métodos de entrenamiento para que Eva leyera y copiara los rostros de humanos cercanos en tiempo real.

Primero, tenían que enseñarle a Eva cómo se vería su propia cara. Para ello, el equipo filmó escenas en las que crea una serie de caras al azar.

Más tarde, como un hombre que se ve a sí mismo en el zoom, las redes neuronales internas de Eva aprendieron a conectarse con los movimientos musculares necesarios para conectar diferentes caras en secuencias de video.

En otras palabras, Eva pudo verse a sí misma crear una determinada cara (como una cara feliz) y aprender a reflexionar sobre ella.

En la etapa final, el propio rostro de Eva se transformó en un rostro humano, capturado por la cámara, que utilizó una segunda red neuronal.

Después de varios refinamientos y repeticiones, Eva ganó la capacidad de leer las expresiones faciales humanas de una cámara y responder reflejando las expresiones faciales del hombre.

Después de arrastrar los cables durante varias semanas para hacer sonreír a EVA, enojada o triste, el equipo notó que el rostro azul y desfigurado de Eva podría recibir respuestas emocionales de sus colegas de laboratorio.

El hombre realiza diferentes expresiones faciales en una cámara, que transmite la imagen a una pequeña pantalla en tiempo real y se dirige hacia la cara del robot.

El hombre realiza diferentes expresiones faciales en una cámara, que transmite la imagen a una pequeña pantalla en tiempo real, dirigiéndola hacia el rostro del robot.

La cara azul brillante de Eva se inspiró en el conjunto Blue Man, una compañía estadounidense de artes escénicas que presenta a tres artistas tontos de cara azul (en la foto)

La cara azul brillante de Eva se inspiró en el conjunto Blue Man, una compañía estadounidense de artes escénicas que presenta a tres artistas tontos de cara azul (en la foto)

«Estaba pensando en mis propios asuntos cuando un día Eva de repente me dio una gran sonrisa amistosa», dijo Lipson. « Sabía que era completamente mecánico, pero me encontré riendo de nuevo ».

Si bien Eva es actualmente un experimento de laboratorio, estas tecnologías pueden algún día ser útiles y tener aplicaciones en el mundo real.

READ  Futuras CPU Intel Arc 'GPU en mosaico' con rendimiento gráfico único

Por ejemplo, los robots capaces de responder a diferentes tipos de lenguaje corporal humano pueden ser útiles en lugares de trabajo, hospitales, escuelas y hogares.

“Existe un límite en la forma en que los seres humanos podemos relacionarnos emocionalmente con los puntos de chat basados ​​en la nube o los parlantes distorsionados de los hogares inteligentes”, dijo Lipson.

«Nuestros cerebros parecen responder bien a los robots con algún tipo de presencia física reconocible».

¿Qué es el aprendizaje profundo?

El aprendizaje en profundidad es una forma de aprendizaje automático que involucra métodos que tienen una amplia gama de aplicaciones.

Está inspirado en el cerebro humano y se centra en la creación de redes neuronales artificiales.

Originalmente se basaba en simulaciones cerebrales y permitía que los métodos de aprendizaje fueran mejores y más fáciles de usar.

La amplia gama de procesamiento de datos complejos se vuelve mucho más fácil y permite a los investigadores confiar en algoritmos para sacar conclusiones precisas basadas en parámetros establecidos por ellos.

Los algoritmos basados ​​en tareas son ideales para tareas y objetivos específicos, pero permiten una gama más amplia de recopilación de datos de aprendizaje en profundidad.