Modelado de Inferencia Activa de la Cognición Socialmente Compartida en Realidad Virtual

Área de la Ciencia:

• Ciencias Cognitivas
• Interacción Humano-Computadora
• Inteligencia Artificial

Sus antecedentes:

• Compartir conceptos ambiguos en realidad virtual (RV) plantea desafíos para las tareas colaborativas.
• La inferencia activa proporciona un marco computacional para comprender el comportamiento dirigido a objetivos y el aprendizaje.
• Modelar la atención conjunta y la búsqueda de acuerdos es crucial para una interacción humano-robot eficaz.

Objetivo del estudio:

• Proponer y validar un modelo de proceso para compartir conceptos de categorías ambiguas en RV utilizando inferencia activa.
• Investigar el papel de la sincronía de la mirada en el aprendizaje colaborativo y la formación de acuerdos.
• Mejorar los modelos de inferencia activa incorporando mecanismos de cognición social.

Principales métodos:

• Se desarrolló un modelo de actualización bayesiana de doble capa dentro de un marco de inferencia activa.
• Se incorporó el desacuerdo en los juicios de categorías como un término de riesgo, ponderado por la sincronía de la mirada (medida mediante Dynamic Time Warping).
• Se realizó un experimento de clasificación de objetos en RV con elementos ambiguos, comparando condiciones de interacción bot-humano y humano-humano.

Principales resultados:

• El modelo de inferencia activa demostró una alta precisión de predicción para los valores observados a medida que el aprendizaje progresaba.
• La introducción de la ponderación de la sincronía de la mirada mejoró significativamente la precisión de la predicción, logrando un rendimiento óptimo.
• El modelo capturó con éxito el proceso de aprendizaje colaborativo que conduce al acuerdo en situaciones ambiguas.

Conclusiones:

• El modelo de inferencia activa propuesto captura eficazmente la cognición socialmente compartida en entornos de RV.
• La sincronía de la mirada es un factor clave para mejorar la precisión colaborativa y el acuerdo en el intercambio de conceptos ambiguos.
• Este marco ofrece un enfoque novedoso para modelar la interacción humano-robot y el aprendizaje social.