Resumen de Sistema de aprendizaje cooperativo para enjambre de robots sociales

Sofía Álvarez Arias, Marcos Maroto Gómez, Sara Carrasco Martínez, María Malfaz, Miguel Ángel Salichs Sánchez-Caballero

• español

  Cada vez son más los robots sociales dedicados a asistencia diaria en casas particulares y residencias, por lo que una adaptación al usuario y centralizar la información recogida por todos ellos resulta fundamental. Este artículo presenta un sistema de aprendizaje cooperativo para el robot social Mini. Este robot pretende asistir a usuarios de edad avanzada facilitando tareas mediante una interacción humano-robot adaptada a sus necesidades. El sistema propuesto permite integrar distintos métodos de aprendizaje por refuerzo de forma simultánea, permitiendo a los robots mejorar su comportamiento y aprender en entornos dinámicos de forma autónoma. Este sistema pretende superar limitaciones importantes del aprendizaje en robótica social al conectar los robots a un servidor central. La red permite compartir y centralizar la información de las interacciones de cada robot, agilizando el proceso de aprendizaje al disponer de un mayor volumen de datos en menos tiempo. El servidor almacena y procesa la información, mejorando la eficiencia y reduciendo la carga computacional en los robots. Este sistema permite a los robots adaptarse mejor a diferentes usuarios y entornos, mejorando sus respuestas y la personalización en la interacción humano-robot.

• English

  More and more social robots are dedicated to daily assistance in private homes and residences, so adapting to the user and centralising the information they collect is essential. This article presents a cooperative learning system for the Mini social robot. This robot aims to assist elderly users by facilitating tasks through human-robot interaction adapted to their needs. The proposed system simultaneously integrates different reinforcement learning methods, enabling robots to improve their behaviour and learnin dynamic environments autonomously. This system aims to overcome important learning limitations in social robotics, such as the extensive training times required for data collection and the management of large volumes of data. The network allows the sharing and centralization of information about each robot’s interactions, speeding up the learning process by making mored ata available in less time. The server stores and processes the information, improving efficiency and reducing the computational load on the robots. This system allows robots to better adapt to different users and environments, improving their responses and personalization in human-robot interaction.