An architecture to implement emphatic dialogue generation in a robot interacting with a human in improvisational settings

The goal of social robotics is to build robots able to interact with humans by selecting proper reactions coherent with the context and with the emotional state manifested by the human agent. Improvisational theatre is the perfect environment where the social behaviors can be tested in an unconstrained setting since the stage is a space outside the rules of time and space, customizable and in which any kind of situation can be created. The goal of this project is to implement on a robot the ability to recognize the verbal stimuli from a interlocutor, extract the emotions inherently contained in the detected sentences, generate a suitable response, and reproduce it through speakers, in order to create a turn-taking conversation. Since the humans perceive in a more positive way the relationships with interlocutors that are able to properly perceive and manifest emotions, the model with the purpose of generating the robot verbal responses is trained to show empathy and awareness of the emotional state of the current situation. Finally, the only strict constraint is to keep everything locally on the disk of the used embedded system to be completely independent from the possible breaks that the use of online APIs would introduce

Lo scopo della robotica sociale è di costruire robot in grado di interagire con esseri umani scegliendo le migliori reazioni coerenti con il contesto e con lo stato emozionale man- ifestato dall’agente umano. Il teatro di improvvisazione è il contesto perfetto in cui i comportamenti sociali possono essere testati in un ambiente non vincolato in quanto il palco è uno spazio al di fuori dello spazio e del tempo, personalizzabile e in cui può essere ricreata qualsiasi situazione. L’obiettivo di questo progetto è quello di implementare su un robot la capacità di ri- conoscere gli stimoli verbali provenienti da un interlocutore, di estrarre le emozioni in- trinsecamente contenute nelle frasi identificate, di generare una risposta adeguata e di riprodurla attraverso gli altoparlanti, in modo tale da creare una conversazione a turni. Siccome gli esseri umani percepiscono in modo più positivo le relazioni con interlocutori che sono in grado di percepire e manifestare adeguatamente emozioni, il modello con lo scopo di generare le risposte verbali è allenato per mostrare empatia e consapevolezza dello stato emotivo della situazione corrente. Infine, l’unico vincolo è quello di mantenere tutto in locale sul disco del dispositivo utilizzato, in modo da essere completamente in- dipendente dai possibili guasti che l’uso di API in rete potrebbero introdurre.