Vacas virtuales ayudan a mejorar las interacciones entre humanos y robots

Un videojuego en el que los participantes pastorean vacas virtuales ha mejorado nuestra comprensión de cómo los humanos toman decisiones sobre el movimiento y la navegación, y podría ayudarnos no solo a interactuar de manera más efectiva con la inteligencia artificial, sino incluso a mejorar la forma en que los robots se mueven en el futuro.

Investigadores de la Universidad Macquarie en Australia, la Scuola Superiore Meridionale, la Universidad de Nápoles Federico II y la Universidad de Bolonia en Italia, y el University College de Londres en el Reino Unido utilizaron el videojuego como parte de un estudio para comprender más sobre cómo se pueden utilizar los primitivos perceptivo-motores dinámicos (DPMP) para imitar la toma de decisiones humana.

Un DPMP es un modelo matemático que puede ayudarnos a comprender cómo coordinamos nuestros movimientos en respuesta a lo que sucede a nuestro alrededor.

Los DPMP se han utilizado para ayudarnos a comprender cómo tomamos decisiones de navegación y cómo nos movemos al realizar diferentes tareas.

Esto se vuelve particularmente importante en entornos complejos que contienen otras personas y una combinación de objetos fijos y móviles, como los que puede encontrar en un sendero concurrido o en un campo de deportes.

Anteriormente, se suponía que nuestros cerebros hacían rápidamente mapas detallados de nuestro entorno y luego planificaban cómo movernos a través de ellos.

Pero ahora, cada vez hay más investigaciones que respaldan la idea de que, en lugar de hacer un plan detallado, nos movemos de forma natural, teniendo en cuenta nuestro objetivo y teniendo en cuenta los obstáculos que encontramos en el camino.

En el estudio se pidió a los participantes que trabajaran en dos tareas de pastoreo: trasladar una sola vaca o un grupo de vacas a un corral.

Los investigadores rastrearon el orden en el que los jugadores acorralaban a las vacas e introdujeron la información en su DPMP para ver si el modelo podía simular el comportamiento de los jugadores humanos.

El autor principal, el candidato a doctor Ayman bin Kamruddin, dice que el modelo DPMP del equipo pudo imitar con precisión cómo se movían los jugadores y también predecir sus elecciones.

“En la tarea de selección de objetivos múltiples, surgieron tres patrones cuando las personas seleccionaban sus objetivos:

La primera vaca que eligieron era la más cercana a ellos en distancia angular, todas las vacas sucesivas eran las más cercanas en distancia angular a la vaca anterior que habían seleccionado y, al elegir entre dos vacas, era más probable que eligieran la que estaba más alejada del centro de la zona de contención“, dice el profesor Richardson.

“Una vez que proporcionamos al DPMP estas tres reglas para tomar decisiones, pudo predecir casi el 80% de las opciones sobre qué vacas pastorear a continuación, y también predecir cómo se comportarían los participantes en nuevas situaciones con múltiples vacas”.

Los juegos de pastoreo se utilizan con frecuencia en estudios como este porque imitan situaciones de la vida real en las que las personas necesitan controlar a otros agentes.

En el pasado, se han basado en una vista aérea de los animales objetivo, lo que plantea la pregunta de si esta vista antinatural del campo de juego estaba sesgando los hallazgos, al hacer que los participantes tomaran decisiones diferentes de las que tomarían en una situación real simplemente porque tenían una visión general completa.

Para resolver esto, el equipo desarrolló un nuevo tipo de juego de pastoreo que limitaría el campo de visión de los participantes a lo que un humano podría ver normalmente con una perspectiva en primera persona de la tarea, muy similar a la de muchos videojuegos de rol.

El autor principal, el profesor Michael Richardson, del Centro de Investigación de Desempeño y Experiencia de la Universidad Macquarie, dice que el cambio de perspectiva tiene implicaciones importantes.

“Si bien las investigaciones anteriores han demostrado que los DPMP se pueden utilizar para predecir el comportamiento de la multitud o seguir un objetivo en movimiento, el nuestro es el primer estudio que analiza si el modelo se puede extender para explicar cómo un humano guía a un personaje virtual o un robot“, dice.

“Este es otro paso para informar el diseño de sistemas más receptivos e inteligentes.

“Nuestros hallazgos han resaltado la importancia de incluir estrategias de toma de decisiones inteligentes en los modelos DPMP si los robots y las IA quieren imitar mejor cómo se mueven, se comportan e interactúan las personas.

“También sugieren que los DPMP podrían ser útiles en situaciones de la vida real, como la gestión de multitudes y la planificación de evacuaciones, el entrenamiento de bomberos en realidad virtual e incluso en misiones de búsqueda y rescate, porque pueden ayudarnos a predecir cómo reaccionarán y se moverán las personas”.

Fuente: The Royal Society