İç Ortamlarda İnsan – Robot Etkileşimi

0
31

İnsan robot etkileşimi, sosyal bilişim, insan faktörleri, bilişsel bilim ve kullanışlılık kavramlarını robot teknolojisinin tasarım ve geliştirmesine entegre etme gereksinimini ele alan disiplinler arası bir çabayı temsil eder.

İnsan-robot etkileşimi, herhangi bir robotun varlığından önce bile bilim kurgu ve akademik spekülasyon konusu olmuştur.

Teknolojide görülen gelişmeler sayesinde robotlar, insan varlığını algılayacak ve ortak görevler yapabilecek seviyeye gelmiştir. Bu durum insan-robot etkileşimine ihtiyacı ortaya koymuştur. İnsan robot etkileşimi, robotların insan kullanımı için analizi, tasarımı, modellenmesi, uygulanması ve değerlendirilmesiyle ilgilidir. İnsan robot etkileşimi, sosyal bilişim, insan faktörleri, bilişsel bilim ve kullanışlılık kavramlarını robot teknolojisinin tasarım ve geliştirmesine entegre etme gereksinimini ele alan disiplinler arası bir çabayı temsil eder. Bu alandaki pek çok çalışma, robotların etkileşimi yönlendiren hareketler ve yüz ifadeleri gibi görsel ipuçlarını almasına olanak tanıyan kodlama veya eğitim mekanizmalarına odaklanmaktadır.

İnsan yüzü algılama

Kameradan alınan görüntü önişlemlerden geçirildikten sonra şekil 2’deki gibi göz, burun, ağızda oluşan gölgelenmeye göre resimde insan yüzü taranarak bulunmaktadır.


Şekil 2: Önişlemden geçirilmiş resimler

İnsanın ilgi durumu

Algılanan insan yüzünün üzerinde belirlenen noktalar sayesinde yatayda belirlenen noktaların birbirine yakınlaşması ve bunun oranına göre yüzün kameraya bakış açısı belirleniyor. Belli bir değerin altında olan açılar ile “ilgili insan” işaretleniyor, bu değerin üzerinde olanlar ise “ilgisiz insan” olarak işaretleniyor.

Diyalog sistemi

Robotun karşısındaki insanı tanıdıktan sonra insanın ilgi durumunu belirlemesi gerekir. İnsanın ilgi durumuna bakılarak robottaki diyalog sistemi sayesinde etkin bir iletişim kurulması sağlanacaktır. Bu sistem için önerilen yöntemler sonlu durum makinesi (Finite State Machine), içerikten bağımsız gramer (Context Free Grammer) ve Boltzman makinesidir.

Diyalog sistemini gerçekleştirmek için yukarıdaki insan algılama ve ilgi durumu aşamalarını tamamladıktan sonra karşıdaki insan ile sistem iletişim kurmaya hazırdır. Diyalog yöneticisi teknikleri üç ana tipte incelenmektedir:

  • Sonlu durum tabanlı sistemler,
  • Çerçeve tabanlı sistemler,
  • Plan tabanlı sistemler.

Durum tabanlı: Bir dizi durum tarafından muhtemel diyalogları temsil eder; her durumda sistem kullanıcıdan belirli bir bilgi isteyebilir, kullanıcıya bir yanıt verebilir veya harici bir uygulamaya erişebilir. Diyalogun yapısı önceden tanımlanmıştır ve her durumda kullanıcının belirli girdiler sağlaması beklenmektedir. Robotun kullanıcının konuşmasını tahmin etmesini kolaylaştırır. Ayrıca diyalogların yapısında kısıtlı esnekliğe rağmen daha hızlı gelişmeye ve daha sağlam sistemlere imkân tanır. Basit görevler için, durum tabanlı teknikler çoğu zaman en pratik çözümdür.

Çerçeve tabanlı: Dizi hal yerine çerçeve kullanır. Bu durumda, her çerçeve bir görevi veya alt görevi temsil eder ve sistemin görevi tamamlamak için ihtiyaç duyduğu bilgi parçalarını temsil eden yuvaları vardır. Sistem, boş kalan belirli alanları doldurmak için sorular formüle eder, ancak kullanıcı diyalogun inisiyatifini alabilir ve sorulandan daha fazla bilgi sağlayabilir. Bu ek bilgi, daha fazla alanın doldurulması, kullanıcının sonraki soruları yanıtlamaktan kurtarması ve durum temelli yaklaşımlarla karşılaştırıldığında daha kısa diyaloglara imkân sağlar.

Plana dayalı: kullanıcının planını tanımlamaya ve bu planın uygulanmasına nasıl katkıda bulunabileceğinin belirlenmesine odaklanır. Bu dinamik bir süreçtir, bu sayede kullanıcı tarafından alınan yeni bilgiler sistemi, kullanıcının planına ilişkin ilk algısını ve olası katkısını değiştirmeye zorlayabilir. Plan tabanlı teknikler genellikle diyaloglarda daha fazla kullanıcı girişimi sağlar ve bir görevi yerine getirmek için gerekli olan bilgi veya eylemleri önceden tahmin etmenin zor olduğu sorunlara özellikle uygun olduğu kanıtlanmıştır.

Sonlu Durum Makineleri

Uygulama alanları konuşma tanıma veya bir dilin modellemesinde kullanılması örnek olarak verilebilir. Durum makineleri, bir veri modeli olarak değerlendirilir; bir sistemin veya nesnenin davranışını modellemesinde kullanılır. Çalışmalarda sözcük arama, gramer çözümleme ve kontrol sistemlerinin davranışlarının modellemesinde uygulanır.

İçerikten Bağımsız Gramer

İnsan dili sonlu durum makineleri ile ifade edilemez. İçerikten bağımsız gramer insan dilinin özelliklerini daha iyi destekler bunun sebebi özyinelemeli (recursive) yapısından dolayıdır. İçerikten bağımsız gramer özyinelemeli yapısından dolayı sonlu otomatlardan daha kullanışlıdır. Cümlenin öğeleri (özne, yüklem, edat ) aynı zamanda o cümlenin doğal öz yinelemeleridir. İçerikten bağımsız gramer bu bağlantının önemli yönlerini yakalayabilir. İçerikten Bağımsız Gramer programlama dilleri için spesifik mekanizmalar gibi kullanılır. Bir dile ekleme yapılacağı zaman bu dilin İçerikten Bağımsız Gramer spesifikasyon bilinmesi gerekmektedir.


Şekil 4 : İnsan kontrolü

Şekil 4’de belirtilen durum makinesine göre robot ilk durumda insan kontrolü yapmaktadır. İnsan yoksa hareket ediyor ve arayışını sürdürüyor . İnsanı bulduğu zaman bekliyor ve insandan etkileşim bekliyor olmaması halinde insana seslenerek etkileşimi başlatıyor. Etkileşim belirtilen durum makinesine göre tamamlanıyor.


Şekil 5 : Kafa takipli insan kontrolü

Şekil 5’te belirtilen durum makinesine göre robot ilk durumda insan kontrolü yapmaktadır. İnsan yoksa hareket ediyor ve arayışını sürdürüyor . İnsanı bulduğu zaman kafa takibi başlatıyor. İnsandan etkileşim bekliyor etkileşim olmaması halinde ise insana seslenerek etkileşimi başlatıyor. Etkileşim belirtilen durum makinesine göre tamamlanıyor. Eklenen bu durum sayesinde şekil 4‘de bulunan durum makinesine göre daha başarılı bir insan robot etkileşimi gerçekleştirdiği tespit edilmiştir.



Şekil 6:
Robotun gözünden kafa takipli insan kontrolü


Şekil 6’da belirtilen durum makinesine göre robot ilk durumda insan kontrolü yapmaktadır. İnsan yoksa hareket ediyor ve arayışını sürdürüyor . İnsanı bulduğu zaman kafa takibi başlatıyor ve üzerinde bulunan ekran sayesinde kullanıcının kendisini robotun gözünden görmesini sağlamaktadır. Daha sonra insandan etkileşim bekliyor, etkileşim olmaması halinde ise insana seslenerek etkileşimi başlatıyor. Etkileşim belirtilen durum makinesine göre tamamlanıyor. Eklenen bu durum sayesinde Şekil 5’te bulunan durum makinesine göre daha başarılı bir insan robot etkileşimi gerçekleştirdiği tespit edilmiştir.

 

 

İnsan kaçırma (%)

Ses kaçırma (%)

Yanlış duruma dallanma (%)

Başarılı etkileşim (%)

 

İnsan kontrolü

 

35

55

55

35

 

Kafa takipli insan kontrolü

 

25

45

50

45

 

Robotun gözünden kafa takipli insan kontrolü

 

15

35

35

65

Tablo 1: Başarı yüzdeleri

Aktarılan çalışmada ara yüz üzerinden robot belirli konuda girdiler sağlanmıştır. Robot söylenen kelimelere karşı ne söylemesi gerektiği çeşitli yöntemlerle öğretilmiştir.

Tablo 1’ de üç farklı durum makinesinin yüzde olarak insan kaçırma, ses kaçırma, yanlış duruma dallanma ve başarılı etkileşim oranları paylaşılmıştır. Şekil 4’de verilen durum makinesinde sadece insan kontrolü yapılarak gerçekleştirilen etkileşimde başarı oranı % 35’dir. Daha sonra Şekil 5’teki Kafa takipli insan kontrolü kullanılarak robotun insanla daha başarılı etkileşime geçmesi hedeflenmiştir. Şekil 5’teki sonlu durum makinesine göre başarı oranı % 45 olarak belirlenmiş ve % 10’luk bir başarı artışı gözlemlenmiştir. Son olarak Şekil 6’daki sonlu durum makinesine göre robotun gözünden kafa takipli insan kontrolü yapılmıştır. Bu makinede insanlar robotun ekranında robotun gözünden kendilerini gördüklerinden dolayı içgüdüsel olarak vücutlarını robota göre ayarladıkları gözlemlenmiştir. Bu durum oluşabilecek insan kaçırma hatasını minimize ederek başarılı etkileşim oranını önemli ölçüde artırarak % 65 seviyelerine taşımıştır. Bu durum robotun canlılık özelliklerini artırdıkça ve robot üzerinde insana dair bilgiler bulundukça başarının artacağı izlenimi vermiştir. İleride yapılacak çalışmalarda insanların yaş ve cinsiyet analizi yapılarak bu oranın daha da arttırılması hedeflenmektedir.

Süleyman DEMİR

AKINROBOTICS Üretim Koordinatörü