Simple Science

Hochmoderne Wissenschaft einfach erklärt

# Computerwissenschaften# Robotik# Künstliche Intelligenz

Evaluierung eines sozialen Roboters im Gesundheitswesen

Eine Studie über den Einsatz von ARI in einer gerontologischen Tagespflegeeinrichtung.

― 6 min Lesedauer


Studie über sozialeStudie über sozialeRoboter inPflegeeinrichtungenPatienten und ihren Begleitern testen.Die Effektivität von ARI bei älteren
Inhaltsverzeichnis

In den letzten Jahren sind Soziale Roboter in verschiedenen Bereichen alltäglicher geworden. Diese Roboter können bei Aufgaben helfen und Gesellschaft leisten. Allerdings ist ihr Einsatz in Orten wie Krankenhäusern und Pflegeeinrichtungen immer noch begrenzt. Dieser Artikel schaut sich an, wie ein sozialer Roboter in einer gerontologischen Tagespflegeeinrichtung in Paris getestet wurde, mit dem Fokus darauf, wie Patienten und ihre Begleiter ihn nützlich und akzeptabel fanden.

Der Ort

Die Tests fanden im Broca Gerontologie-Tagespflegekrankenhaus statt, wo Patienten während ihrer medizinischen Besuche Zeit verbringen. Die Einrichtung ist für ältere Patienten gedacht, die vielleicht Erkrankungen wie Demenz haben. Patienten kommen in der Regel mit Familienmitgliedern oder Freunden und haben im Laufe des Tages verschiedene Termine. Viele Momente werden mit Warten verbracht, was zusätzlichen Stress verursachen kann. Das Ziel war zu sehen, ob ein Roboter nützliche Informationen bereitstellen und diesen Stress verringern kann.

Der Roboter

Der Roboter, der in diesen Tests verwendet wurde, hiess ARI. Er ist 1,65 Meter gross und kann sich bewegen, um mit Menschen zu interagieren. ARI hat einen Touchscreen an seinem Körper und kann mit seinen Armen und Kopf Gesten machen, was ihn kontaktfreudiger macht. Der Roboter ist mit Kameras und Mikrofonen ausgestattet, um Audio und Video während der Interaktionen aufzunehmen, damit er in einem geschäftigen Umfeld effektiv kommunizieren kann.

Ziele der Studie

Das Hauptziel der Studie war zu beurteilen, ob der Roboter von Patienten und ihren Begleitern als nützlich und akzeptabel angesehen wurde. Es war wichtig zu sehen, ob sich die Leute wohlfühlen würden, mit einem humanoiden Roboter in einem Gesundheitsumfeld zu interagieren. Dabei kam ARI in realen Situationen mit echten Patienten und Begleitern zum Einsatz, anstatt in einem Laborumfeld.

Versuchsdesign

Die Studie wurde in zwei Wellen durchgeführt. Die erste Welle testete die ursprüngliche Version von ARIs Dialogsystem, das in seiner Fähigkeit, Gespräche mit mehr als einer Person gleichzeitig zu führen, eingeschränkt war. Die zweite Welle beinhaltete Verbesserungen der Sprach- und Verständnisfähigkeiten des Roboters auf der Grundlage des Feedbacks aus der ersten Welle.

Bewertungsmerkmale

Um die Leistung des Roboters zu bewerten, wurden zwei Hauptkriterien verwendet: Akzeptanz und Benutzerfreundlichkeit. Die Akzeptanz wurde mit einer speziell dafür entwickelten Skala gemessen, um zu beurteilen, wie wohl sich die Nutzer mit dem Roboter fühlten. Die Benutzerfreundlichkeit mass, wie einfach und freundlich der Roboter zu bedienen war. Diese Masse gaben einen Einblick in das Gesamterlebnis der Nutzer.

Ergebnisse der ersten Welle

Während der ersten Welle waren viele Teilnehmer frustriert über ARIs Einschränkungen. Er hatte Schwierigkeiten, Sprache zu verstehen, besonders in lauten Umgebungen mit mehreren Gesprächen. Nutzer hatten das Gefühl, dass ARI sie unterbrach, was die Interaktionen weniger angenehm machte. Im Durchschnitt waren die Akzeptanz- und Benutzerfreundlichkeitsscores geringer als erwartet.

Verbesserungen

Nach der ersten Welle arbeitete das Team hinter ARI an der Verbesserung des Dialogsystems. Sie integrierten fortschrittliche Spracherkennungstechniken und machten ARI fähiger, komplexe Anfragen zu verstehen. Das Feedback der Nutzer wurde ernst genommen, was zu bedeutenden Updates in der Interaktion des Roboters mit Menschen führte.

Ergebnisse der zweiten Welle

In der zweiten Testwelle berichteten die Nutzer von einer viel besseren Erfahrung. Die Akzeptanz- und Benutzerfreundlichkeitsscores stiegen signifikant sowohl bei Patienten als auch bei ihren Begleitern. Die Teilnehmer bemerkten, dass es einfacher war, mit ARI zu reden, und dass er sie besser verstand. Sie schätzten es, dass der Roboter mit mehr als einer Person gleichzeitig interagieren konnte, ohne Gespräche zu unterbrechen.

Interaktionsbeispiele

Im Laufe der Experimente wurden verschiedene Interaktionen zwischen den Patienten und ARI beobachtet. Zum Beispiel, als sie nach bevorstehenden Terminen fragten, konnte ARI genaue Antworten geben. Patienten machten oft Witze mit dem Roboter, was darauf hindeutet, dass sie sich wohlfühlten, mit ihm zu kommunizieren. Das zeigte, dass ARI eine zusätzliche soziale Interaktion in einer Gesundheitsumgebung bieten konnte, in der Patienten sich einsam oder ängstlich fühlen könnten.

Herausforderungen

Trotz des positiven Feedbacks traten während der Experimente mehrere Herausforderungen auf. Die Rekrutierung von Patienten war nicht immer einfach. Einige Personen waren zögerlich, mit dem Roboter zu interagieren, wegen seiner Grösse oder weil sie nicht mit Technologie vertraut waren. Andere waren nicht in der Stimmung oder zogen es einfach vor, auf ihre Termine ohne zusätzliche Interaktion zu warten.

Ausserdem kann die Umgebung in einem Krankenhaus unvorhersehbar sein. Verschiedene Geräusch- und Bewegungsformen können die Fähigkeiten des Roboters, Sprache zu hören und zu verarbeiten, stören. Oft verlangte das vom Team, neu zu überlegen, wie ARI in überfüllten oder chaotischen Umgebungen agieren konnte.

Technische Details

Die Softwarearchitektur des Roboters bestand aus mehreren Modulen, die zusammenarbeiteten, um Informationen zu verarbeiten. Zu den wichtigsten Komponenten gehörten Spracherkennung, Verfolgung von Menschen und Gesprächsmanagement. Zum Beispiel ermöglichte das Sprachverarbeitungsmodul ARI, zu verstehen, was die Leute sagten, während das Modul zur Lokalisierung von Menschen ihm half, den Überblick darüber zu behalten, wo sich die Leute im Raum befanden.

Die Fähigkeit des Roboters, sich autonom zu bewegen, ohne mit Menschen oder Objekten zusammenzustossen, war ebenfalls entscheidend. Er verwendete Sensoren, um eine digitale Karte seiner Umgebung zu erstellen, die ihm half, sicher zu navigieren. Diese Fähigkeit war wichtig, um ein reibungsloses Interaktionserlebnis für die Nutzer zu gewährleisten.

Mehrparteiengespräche

Eines der Hauptprobleme mit ARI in der ersten Welle war seine Schwierigkeit, Gespräche mit mehreren Personen zu führen. Die meisten automatisierten Dialogsysteme sind für Eins-zu-eins-Interaktionen ausgelegt. In realen Szenarien wollen Patienten jedoch oft gleichzeitig mit dem Roboter und ihren Begleitern sprechen. Das Team arbeitete daran, diesen Aspekt für die zweite Welle zu verbessern, sodass ARI kontextbezogen antworten konnte, je nachdem, wer sprach.

Benutzerfreundlichkeit und Nutzererfahrung

Die Benutzerfreundlichkeitsscores zeigten, dass die Teilnehmer ARI als benutzerfreundlich empfanden. Viele Patienten äusserten, dass sie die Interaktionen genossen und den Roboter hilfreich fanden. Die Hinzufügung von Humor und lockeren Antworten machte die Nutzer entspannter. Diese positive Erfahrung trug zu einem insgesamt angenehmen Gefühl während eines sonst stressigen Tages im Krankenhaus bei.

Fazit

Die Studie zeigt vielversprechende Ergebnisse für den Einsatz sozialer Roboter in Gesundheitsumgebungen. ARI wurde positiv von Patienten und ihren Begleitern aufgenommen, besonders nach den Verbesserungen seiner Gesprächsfähigkeiten. Die Ergebnisse deuten darauf hin, dass Roboter mit den richtigen Anpassungen eine bedeutende Rolle dabei spielen können, Gesellschaft und Unterstützung für Menschen in Pflegeumgebungen zu leisten.

Insgesamt sind weitere Tests erforderlich, um vollständig zu verstehen, wie soziale Roboter in das Gesundheitswesen integriert werden können. Zukünftige Forschungen könnten untersuchen, wie diese Roboter bei zusätzlichen Aufgaben helfen könnten, wie Patienten an Medikamente zu erinnern oder sie durch Termine zu führen. Die wichtigste Erkenntnis ist, dass soziale Roboter das Krankenhauseerlebnis für viele verbessern können, indem sie dazu beitragen, einige der Ängste und Einsamkeit der Patienten zu lindern.

Originalquelle

Titel: Socially Pertinent Robots in Gerontological Healthcare

Zusammenfassung: Despite the many recent achievements in developing and deploying social robotics, there are still many underexplored environments and applications for which systematic evaluation of such systems by end-users is necessary. While several robotic platforms have been used in gerontological healthcare, the question of whether or not a social interactive robot with multi-modal conversational capabilities will be useful and accepted in real-life facilities is yet to be answered. This paper is an attempt to partially answer this question, via two waves of experiments with patients and companions in a day-care gerontological facility in Paris with a full-sized humanoid robot endowed with social and conversational interaction capabilities. The software architecture, developed during the H2020 SPRING project, together with the experimental protocol, allowed us to evaluate the acceptability (AES) and usability (SUS) with more than 60 end-users. Overall, the users are receptive to this technology, especially when the robot perception and action skills are robust to environmental clutter and flexible to handle a plethora of different interactions.

Autoren: Xavier Alameda-Pineda, Angus Addlesee, Daniel Hernández García, Chris Reinke, Soraya Arias, Federica Arrigoni, Alex Auternaud, Lauriane Blavette, Cigdem Beyan, Luis Gomez Camara, Ohad Cohen, Alessandro Conti, Sébastien Dacunha, Christian Dondrup, Yoav Ellinson, Francesco Ferro, Sharon Gannot, Florian Gras, Nancie Gunson, Radu Horaud, Moreno D'Incà, Imad Kimouche, Séverin Lemaignan, Oliver Lemon, Cyril Liotard, Luca Marchionni, Mordehay Moradi, Tomas Pajdla, Maribel Pino, Michal Polic, Matthieu Py, Ariel Rado, Bin Ren, Elisa Ricci, Anne-Sophie Rigaud, Paolo Rota, Marta Romeo, Nicu Sebe, Weronika Sieińska, Pinchas Tandeitnik, Francesco Tonini, Nicolas Turro, Timothée Wintz, Yanchao Yu

Letzte Aktualisierung: 2024-04-11 00:00:00

Sprache: English

Quell-URL: https://arxiv.org/abs/2404.07560

Quell-PDF: https://arxiv.org/pdf/2404.07560

Lizenz: https://creativecommons.org/licenses/by/4.0/

Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.

Vielen Dank an arxiv für die Nutzung seiner Open-Access-Interoperabilität.

Mehr von den Autoren

Ähnliche Artikel