Som filosofistudent fascinerades Dr Lola Cañamero av hur människor lär sig och förstår saker om världen.
När hon studerade artificiell intelligens som en del av sin läroplan såg hon paralleller mellan de två disciplinerna och tittade på datorer och robotar för att berätta den historien.
Tillsammans med Dr Matthew Lewis utvecklade Dr.
Cañamero ROBIN, en autonom robot "småbarn" avsedd att hjälpa barn med diabetes att hantera deras tillstånd.
Hon är för närvarande vid University of Hertfordshire i Storbritannien, där hon leder Embodied Emotion, Cognition and (Inter-) Action (EECAIA) Lab vid School of Engineering and Computer Science.
Vi pratade nyligen med henne om ROBIN-projektet.
Dr.
Cañamero, vad inspirerade dig att testa en robot 'småbarn som hjälper barn med diabetes att hantera sitt tillstånd?
[LC] ROBIN, som står för ROBot INfant, utvecklades ursprungligen som en del av ett EU-finansierat internationellt projekt kallat ALIZ-E för att utveckla robotkamrater för barn med kroniska tillstånd som diabetes, för att stödja deras förståelse och hantering av deras tillstånd.
Vad gör roboten?
ROBIN är utformat för att bete sig som ett småbarn - en enkel version av ett litet barn - som går runt och gör saker i ett litet barns lekrum som innehåller olika typer av föremål, som leksaker etc.
Barn uppmanas att "ta hand om ROBIN" i sitt lekrum.
.
ROBIN har en simulerad fysiologi som ger den interna behov av olika slag - fysiska, såsom att äta, dricka och sova; nyfikenhet som att utforska och spela; och socialt, som att se människor och ansikten och interagera med dem (som att be om kramar).
ROBIN har ett antal beteenden som gör att den kan tillgodose dessa behov, antingen ensam eller med hjälp av barnen.
Hur visar roboten sjukdomstillståndet för diabetes?
ROBIN har en simulerad modell av diabetes, vilket innebär att det ibland visar symtom på diabetes - som att vara trött, törstig eller yr - när dess interna simulerade glukosnivåer är för höga, i vilket fall barn behöver administrera det ”robotinsulin” externt, med hjälp av en “robotglukometer.” Om den är för låg, måste barn ge ROBIN-korrigerande mat.
Cañamero (med tillstånd av Dr.
Lola Cañamero, University of Hertfordshire)
Beskriv spelaspekten så att barn känner sig motiverade att hjälpa roboten.
Barn måste försöka identifiera symtomen på diabetes när de leker med ROBIN, och några av dessa symtom är inte alltid tydliga.
Liksom de själva kan ROBIN vara sömnig eftersom den är trött på att gå runt eller på grund av höga eller låga glukosnivåer.
Därför måste de försöka komma ihåg och bestämma vad de ska göra i sådana situationer - om de ska mäta glukos i ROBIN och hur man rättar till det, om det skulle vara "säkert" att ge ROBIN lite mat när de ber om det, etc.
.
Hur mäter du framgång?
Vi har inte genomfört långtidsstudier ännu, så vi kan inte bedöma den potentiella effekten av ROBIN som ett långsiktigt inlärningsverktyg, men det är något vi skulle vilja göra i framtiden.
Hittills har vi fokuserat på att utforska hur man utformar ROBIN som ett meningsfullt verktyg som barn med diabetes kan relatera till och engagera sig i, för att stödja dem inte bara i att lära sig om deras tillstånd utan också på de mer påverkningsrelaterade aspekterna av diabeteshantering, t.ex.
som att bygga upp förtroende för sina färdigheter och göra deras lärande om diabetes mindre stressande.
Vad fick dig att besluta om NAO-maskinvaruplattformen från Aldebaran och Softbank Robotics?
NAO valdes av olika anledningar, till exempel det faktum att barn verkar engagera sig mycket naturligt med det, liksom det faktum att det ger goda funktioner för interaktion med barn.
Vad är programvaruplattformen som du använder för den här roboten?
Vi skrev vår egen kontrollprogramvara med mestadels UrbiScript med lite C ++.
Programvarukontrollanten / beslutsarkitekturen, som vi kallar den, som driver ROBINs beteende bygger på en ”kärnmodell” som vi har använt i min grupp för olika robotar, forskningsämnen och applikationer relaterade till beslutsfattande.
I det här fallet anpassade vi den modellen till de specifika behov och beteenden som är lämpliga för ROBIN som ett lekfullt och socialt barn som också har (robot) diabetes.
ROBINs beslutsarkitektur bygger på uppfattningarna om motivation och känslor hos människor och implementerar specifika teorier om hur de interagerar och arbetar för att styra beteende och fatta beslut om vad man ska göra, inklusive hur man interagerar socialt.
I ditt medförfattare med Dr.
Lewis, Skapa nya "nya AI" -vänner: Designa en social robot för diabetiska barn ur ett förkroppsligat AI-perspektiv, du pratar om vikten av att göra 'interaktionen ostrukturerad och delvis tvetydig och oförutsägbar' - kan du förklara varför?
Vi trodde att det skulle vara viktigt att interaktionen var ostrukturerad - i motsats till att följa ett styvt manus som roboten skulle vara programmerad att genomdriva - och delvis tvetydig och oförutsägbar, eftersom detta skulle få denna "lekupplevelse" att känna sig närmare komplexiteten hos verkliga diabetes självhantering.
Användningen av en motiverande och kognitivt autonom robot och ett förkroppsligat AI-tillvägagångssätt är avgörande för detta ändamål, eftersom dessa element gör varje interaktion unik på grund av både dynamiken i arkitekturen i interaktion med den fysiska och sociala miljön (roboten beter sig aldrig i exakt samma sätt två gånger), och till olika sätt på vilket varje barn behandlar roboten.
Rekommenderas av våra redaktörer
Prata med oss ??genom prövningarna hittills.
Som en del av det EU-finansierade ALIZ-E-projektet genomförde vi pilotinteraktioner med 17 diabetesbarn inom vårt ursprungliga åldersintervall 7 till 12 år på ett sjukhus och ett sommarläger för diabetes, båda i Italien, för att bedöma om elementen i interaktionen var lämplig, trovärdig och engagerande med en mängd olika barn i ett verkligt sammanhang.
Dessa studier var inte för att bedöma effektiviteten av ROBIN som ett verktyg för att stödja själveffektivitet vid diabeteshantering.
Senare genomförde vi även små pilotstudier på ett par sjukhus i Storbritannien, mestadels för att bedöma potentiella skillnader och förändringar vi kan behöva göra på roboten eller interaktionsscenariot på grund av till exempel skillnader i behandlingen av diabetes och kulturella skillnader.
Vad förvånade dig, om något?
Ett antal saker förvånade oss.
För det första den enorma variationen i hur barn interagerade med ROBIN.
En annan överraskning var att se hur villiga barn var att "spela spelet" - spela med ROBIN och ta hand om det och försöka se till att ROBIN var "bra", trots att de visste att det var en maskin.
Vi gjorde det mycket tydligt för dem och förklarade hur sensorerna på roboten fungerade, hur den stängdes av och på.
Vi blev också förvånade över hur enkelt många barn relaterade spelet till sin egen upplevelse av diabetes, och hur det hjälpte dem att reflektera och i vissa fall prata om det.
Jag har skriven om flera robotar som används inom pediatriska scenarier, inklusive RXRobots.
Skulle du säga att det finns något särskilt lämpligt för att använda robotar för att hjälpa barn?
Robotar har en stor potential i utbildning av barn.
Numera är barn vana vid robotar; i många kulturer växer de upp och ser dem och leker med dem.
Detta innebär vanligtvis att barn inte är rädda och interagerar med dem helt naturligt, medan vuxna kan vara mer försiktiga.
Ibland ser barn robotar som en leksak, ibland som en lekkamrat, ibland som en intressant ”grej” som vårdar deras naturliga ”vetenskapliga” nyfikenhet.
Vill du ta det till det kommersiella området?
Nästa steg skulle vara att testa det med ett större antal barn och bedöma dess effektivitet som ett pedagogiskt verktyg för att hjälpa diabetiska barn att lära sig om deras tillstånd och hur de ska hantera det.
Vi skulle verkligen älska att se det användas i verkliga livet om det visar sig vara användbart.
