Development of an interactive total body robot enhanced imitation therapy for ASD children

Autism is a neurodevelopmental disorder characterized by impairments in social relationships and by the presence of stereotyped and repetitive movements with onset in early childhood. The etiology of this condition is still unclear and therefore there are no treatments that can cure it while the available therapies target the main symptoms, in order to ensure a high quality of life for the child. In this context, the use of Social Assistive Robots offers new therapeutic possibilities in which the robot can act as a therapy enhancer. IOGIOCO project, in which this thesis is introduced, aims at the creation of an Imitation Therapy protocol for the treatment of Autism Spectrum Disorder. This work inherits the previous developments and proposes some further improvements. First of all, in the previous work the therapy included gestures that required the movement of the upper limb only, while, in this work, “total body” gestures have been introduced. Furthermore, in this project the accuracy of the gesture recognition system used to provide feedback to the child was improved thanks to the introduction of an Activity Detection method, i.e. the identification of the time window in which the gesture is performed. The proposed method also aims to standardize the parameters introduced clarifying the methodological decisions. Finally, the possibilities in the familiarization phase between the child and the robot have been broadened in order to facilitate the rehabilitation treatment even for children with more serious conditions. The results of this work are encouraging. First, the quality of the recognition system (measured through the F1-score) was improved from 57% obtained in the previous work to 76% in this one, demonstrating the effectiveness of the Activity Detection method. Furthermore, the expansion of the interaction possibilities in the familiarization phase was positively evaluated by the clinical staff. To reinforce the conclusions drawn, it will be necessary to test the proposed algorithm in real time on several autistic children in the direction of a proper Randomized Clinical Trial to study the effectiveness of this type of treatment. Other future developments should investigate further opportunities offered by the robot such as the possibility to evaluate the progress of the therapy by gathering quantitative results.

Con il termine autismo si intende un disturbo caratterizzato da un’eccessiva difficoltà nell’intessere relazioni sociali e dalla presenza di movimenti stereotipati e ripetitivi che si origina fin dall’infanzia. L’eziologia di questa condizione non è ancora chiara e, pertanto, non esistono trattamenti volti a curarla mentre le principali terapie sono indirizzate ai sintomi che la caratterizzano. In questo contesto l’utilizzo di Social Assistive Robots apre nuove possibilità terapeutiche in cui un robot può funzionare da enhancer della terapia. Il progetto IOGIOCO, in cui questa tesi si inserisce, mira alla creazione di un protocollo di Imitation Therapy per il trattamento del disturbo dello spettro autistico. Questo lavoro eredita alcuni sviluppi precedenti e ambisce a migliorarne degli aspetti. Anzitutto, in precedenza, la terapia includeva gesti ottenuti dal movimento del solo arto superiore mentre, in questo lavoro, sono stati introdotti gesti di tipo “total body”. Inoltre, l’accuratezza del sistema di riconoscimento utilizzato per fornire dei feedback al bambino è stata migliorata grazie all’introduzione di un metodo di Activity Detection, ovvero l’identificazione della finestra temporale in cui il gesto viene eseguito. Il metodo proposto ambisce anche a standardizzare i parametri introdotti chiarendo le scelte metodologiche intraprese. Infine, sono state introdotte nuove possibilità di interazione nella fase di familiarizzazione tra il bambino e robot in modo da favorire un efficace trattamento riabilitativo anche ai soggetti con condizioni più gravi. I risultati di questo lavoro sono incoraggianti. In primo luogo, la qualità del sistema di riconoscimento (misurata attraverso l'F1-score) è aumentata dal 57% dello sviluppo precedente al 76% , dimostrando l’efficacia del metodo di Activity Detection. Inoltre, l’estensione delle possibilità di interazione nella fase di familiarizzazione è stata valutata positivamente dallo staff clinico. Per rinforzare le conclusioni tratte, sarà necessario testare l’algoritmo proposto in real time su più bambini autistici nella direzione di un vero e proprio Randomized Clinical Trial che possa chiarire l’efficacia di questo tipo di trattamento. Altri sviluppi futuri vanno nella direzione di sfruttare le potenzialità offerte dal robot per valutare l’andamento della terapia, in modo da ottenere risultati sempre più quantitativi.