Valutare un robot sociale nella sanità
Uno studio sull'uso dell'ARI in una struttura di assistenza diurna per anziani.
― 6 leggere min
Indice
Negli ultimi anni, i Robot Sociali sono diventati più comuni in vari contesti. Questi robot possono aiutare con i compiti e fornire compagnia. Tuttavia, il loro utilizzo in posti come ospedali e strutture di cura è ancora limitato. Questo articolo esamina come un robot sociale sia stato testato in una struttura di assistenza diurna gerontologica a Parigi, concentrandosi su come pazienti e i loro accompagnatori lo abbiano trovato utile e accettabile.
Il Contesto
I test si sono svolti presso l'ospedale di geriatria Broca, dove i pazienti trascorrono del tempo durante le loro visite mediche. La struttura è progettata per pazienti anziani che possono avere condizioni come la demenza. I pazienti generalmente arrivano accompagnati da familiari o amici, e hanno vari appuntamenti durante la giornata. Molti momenti sono passati ad aspettare, il che può aggiungere stress. L'obiettivo era vedere se un robot poteva fornire informazioni utili e aiutare a alleviare questo stress.
Il Robot
Il robot utilizzato in questi test si chiama ARI. È alto 1,65 metri e può muoversi per interagire con le persone. ARI ha uno schermo tattile sul corpo e può usare le braccia e la testa per fare gesti, rendendolo più relazionabile. Il robot è equipaggiato con telecamere e microfoni per catturare audio e video durante le interazioni, permettendogli di comunicare efficacemente in un ambiente affollato.
Obiettivi dello Studio
L'obiettivo principale dello studio era valutare se il robot fosse visto come utile e accettabile da pazienti e i loro accompagnatori. Era importante vedere se le persone si sentissero a proprio agio ad interagire con un robot umanoide in un contesto sanitario. Questo ha comportato l'utilizzo di ARI in situazioni reali con pazienti e accompagnatori reali, piuttosto che in un ambiente da laboratorio.
Disegno dell'Esperimento
Lo studio è stato condotto in due fasi. La prima fase ha testato la versione iniziale del sistema di dialogo di ARI, che era limitata nella sua capacità di gestire conversazioni con più di una persona alla volta. La seconda fase ha incorporato miglioramenti alle capacità di parlare e comprendere del robot basati sul feedback della prima fase.
Criteri di Valutazione
Per valutare le prestazioni del robot, sono state utilizzate due misure principali: Accettabilità e Usabilità. L'accettabilità è stata misurata utilizzando una scala specificamente progettata per valutare quanto gli utenti si sentissero a loro agio con il robot. L'usabilità ha misurato quanto fosse facile e amichevole usare il robot. Queste misure hanno fornito un modo per comprendere l'esperienza complessiva degli utenti.
Risultati della Prima Fase
Durante la prima fase, molti partecipanti erano frustrati dalle limitazioni di ARI. Ha avuto difficoltà a comprendere il linguaggio, in particolare in ambienti rumorosi pieni di conversazioni multiple. Gli utenti sentivano che ARI li interrompeva, il che rendeva le interazioni meno piacevoli. In media, i punteggi di accettabilità e usabilità erano più bassi del previsto.
Miglioramenti Apportati
Dopo la prima fase, il team dietro ARI ha lavorato per migliorare il suo sistema di dialogo. Hanno incorporato tecniche avanzate di Riconoscimento Vocale e hanno reso ARI più capace di comprendere richieste complesse. Il feedback degli utenti è stato preso sul serio, portando a aggiornamenti significativi nel modo in cui il robot interagiva con le persone.
Risultati della Seconda Fase
Nella seconda fase dei test, gli utenti hanno riportato un'esperienza molto migliore. I punteggi di accettabilità e usabilità sono aumentati significativamente tra pazienti e i loro accompagnatori. I partecipanti hanno notato che ARI era più facile da parlare e che lo capiva meglio. Hanno apprezzato come il robot potesse interagire con più di una persona alla volta senza interrompere le conversazioni.
Esempi di Interazione
Durante gli esperimenti, sono state osservate varie interazioni tra i pazienti e ARI. Ad esempio, quando veniva chiesto degli appuntamenti futuri, ARI era in grado di fornire risposte accurate. I pazienti spesso scherzavano con il robot, indicando che si sentivano a proprio agio a comunicare con esso. Questo ha mostrato che ARI poteva aggiungere un livello di interazione sociale in un ambiente sanitario dove i pazienti potrebbero sentirsi soli o ansiosi.
Sfide Affrontate
Nonostante il feedback positivo, durante gli esperimenti sono emerse diverse sfide. Reclutare pazienti non era sempre facile. Alcuni individui erano riluttanti a interagire con il robot a causa delle sue dimensioni o per una mancanza di familiarità con la tecnologia. Altri non erano dell'umore giusto o semplicemente preferivano aspettare i loro appuntamenti senza ulteriori interazioni.
Inoltre, l'ambiente in un ospedale può essere imprevedibile. Diverse forme di rumore e movimento possono disturbare le capacità del robot di sentire e processare il linguaggio. Questo spesso ha richiesto al team di ripensare a come ARI potesse operare in ambienti affollati o caotici.
Dettagli Tecnici
L'architettura software del robot consisteva in più moduli che lavoravano insieme per elaborare informazioni. I componenti chiave includevano riconoscimento vocale, tracciamento umano e gestione delle conversazioni. Ad esempio, il modulo di elaborazione del linguaggio permetteva ad ARI di capire ciò che le persone stavano dicendo, mentre il modulo di localizzazione umana lo aiutava a tenere traccia di dove si trovavano le persone nella stanza.
La capacità del robot di muoversi autonomamente senza urtare contro persone o oggetti era anche cruciale. Utilizzava sensori per creare una mappa digitale dei suoi dintorni, aiutandolo a navigare in sicurezza. Questa capacità era importante per garantire un'esperienza di interazione fluida per gli utenti.
Conversazioni Multi-persona
Uno dei principali problemi con ARI nella prima fase era la sua difficoltà a gestire conversazioni con più persone. La maggior parte dei sistemi di dialogo automatici è progettata per interazioni uno-a-uno. Tuttavia, in scenari reali, i pazienti spesso vogliono parlare sia con il robot che con i loro accompagnatori contemporaneamente. Il team ha lavorato per migliorare questo aspetto nella seconda fase, permettendo ad ARI di rispondere in modo contestuale a seconda di chi stava parlando.
Usabilità e Esperienza Utente
I punteggi di usabilità indicavano che i partecipanti trovavano ARI facile da usare. Molti pazienti hanno espresso di aver apprezzato le interazioni e di aver trovato il robot utile. L'aggiunta di umorismo e risposte leggere ha reso gli utenti più a loro agio. Questa esperienza positiva ha contribuito a un senso di comfort complessivo durante quello che altrimenti potrebbe essere stato un giorno stressante in ospedale.
Conclusioni
Lo studio mostra risultati promettenti per l'uso di robot sociali in contesti sanitari. ARI è stato accolto positivamente da pazienti e accompagnatori, soprattutto dopo i miglioramenti apportati alle sue capacità conversazionali. I risultati suggeriscono che con i giusti aggiustamenti, i robot possono svolgere un ruolo significativo nel fornire compagnia e assistenza agli individui in ambienti di cura.
In generale, sono necessari ulteriori test per comprendere pienamente come i robot sociali possano integrarsi nella sanità. La ricerca futura potrebbe esplorare come questi robot potrebbero assistere con compiti aggiuntivi, come ricordare ai pazienti di prendere i farmaci o guidarli attraverso gli appuntamenti. La chiave è che i robot sociali hanno il potenziale di migliorare l'esperienza in ospedale per molti, aiutando ad alleviare parte dell'ansia e della solitudine che i pazienti potrebbero sentire.
Titolo: Socially Pertinent Robots in Gerontological Healthcare
Estratto: 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.
Autori: 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
Ultimo aggiornamento: 2024-04-11 00:00:00
Lingua: English
URL di origine: https://arxiv.org/abs/2404.07560
Fonte PDF: https://arxiv.org/pdf/2404.07560
Licenza: https://creativecommons.org/licenses/by/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.
Link di riferimento
- https://spring-h2020.eu/
- https://wiki.ros.org/noetic
- https://www.ros.org/reps/rep-0155.html
- https://wiki.seeedstudio.com/ReSpeaker
- https://www.acapela-group.com/
- https://github.com/PoseLib/PoseLib
- https://Sep-TFAnet.github.io
- https://catalog.ngc.nvidia.com/orgs/nvidia/teams/nemo/models/ecapa_tdnn
- https://www.boost.org/
- https://www.youtube.com/watch?v=xMCpcsLhN_I
- https://spring-h2020.eu/results/
- https://gitlab.inria.fr/spring
- https://credit.niso.org/
- https://www.springer.com/gp/editorial-policies
- https://www.nature.com/nature-research/editorial-policies
- https://www.nature.com/srep/journal-policies/editorial-policies
- https://www.biomedcentral.com/getpublished/editorial-policies