Sviluppo di un Robot Sociale Capace di Cambiare Abitudini Non Salutari utilizzando la Teoria della Mente e Capacità di Manipolazione

Abstract

Integrare i robot sociali nella vita quotidiana offre un grande potenziale per influenzare il comportamento umano, in particolare in contesti terapeutici ed educativi. Questa tesi esplora lo sviluppo di un robot sociale capace di riconoscere e gestire comportamenti problematici durante l'interazione bambino-robot, applicando specificamente i principi della Teoria della Mente (ToM) e dell'Applied Behavior Analysis (ABA). L'obiettivo principale di questo lavoro è creare un sistema robotico in grado di adattarsi autonomamente alle interazioni umane in tempo reale, migliorando il coinvolgimento e fornendo interventi personalizzati. Il Planning Domain Definition Language (PDDL) è al centro del sistema, facilitando la capacità del robot di comprendere, pianificare ed eseguire azioni basate sul comportamento umano. L'architettura integra modelli cognitivi avanzati, strategie di gestione del comportamento e elaborazione del linguaggio naturale attraverso i servizi OpenAI, permettendo al robot di riconoscere stati mentali, identificare schemi comportamentali e applicare strategie d'intervento corrispondenti. I risultati dell'implementazione dimostrano che il robot può adattarsi con successo ad ambienti dinamici, riconoscere le necessità degli utenti e influenzare il comportamento in tempo reale. Questo framework pone le basi per futuri progressi nella robotica sociale. I lavori futuri si concentreranno sull'ottimizzazione dei componenti del sistema per migliorare l'efficienza e l'esperienza dell'utente.

Integrating social robots into everyday life holds great potential for influencing human behavior, particularly in therapeutic and educational settings. This thesis explores the development of a social robot capable of recognizing and managing challenging behaviors during child-robot interaction, specifically applying principles of Theory of Mind (ToM) and Applied Behavior Analysis (ABA). The core objective of this work is to create a robotic system that can autonomously adapt to real-time human interactions, enhancing engagement and providing personalized interventions. The Planning Domain Definition Language (PDDL) framework is at the heart of the system, which facilitates the robot’s ability to understand, plan, and execute actions based on human behavior. The architecture integrates advanced cognitive models, behavior management strategies, and natural language processing through OpenAI services, allowing the robot to recognize mental states, identify behavioral patterns, and apply corresponding intervention strategies. Results from the implementation demonstrate that the robot can successfully adapt to dynamic environments, recognize user needs, and influence behavior in real time. This framework lays the groundwork for future advancements in social robotics. Future work will focus on optimizing the system’s components to enhance efficiency and user experience.