Open Access

Monika Bühren, Lisa Habermann, Laurin Epping, Julian Schanowski, Alex Mitrevski, Michal Stolarz, Jarek Krajewski, Paul Plöger, Hanns Rüdiger Röttgers

• Hintergrund: Ziel des wissenschaftlichen Projekts MigrAVE (Multilinguales Online-Lernportal und transkultureller Roboter-Lernassistent für Autismus-Spektrum-Störungen) ist die Entwicklung eines Lernassistenz-Roboters, der autistische Kinder und ihre Therapeuten bei der Durchführung von Lernprogrammen im Rahmen verhaltenstherapeutischer Interventionen unterstützt. Die Ausstattung mit einem KI-basierten Zustandserkennungssystem ermöglicht es dem Roboter, Übungen zu initiieren und die Aufmerksamkeit der Kinder während der Ausführung zu überwachen. Weiterhin soll der Roboter intervenieren, wenn Verhaltensweisen erkannt werden, die den Lernprozess beeinträchtigen. Als Reaktion auf identifiziertes, abgelenktes Verhalten soll der Roboter mit kindgerechter Ansprache die Aufmerksamkeit und Motivation des Kindes wiederherstellen. Die in anderen Studien genutzte Analyse von Sprache oder Gesichtsausdruck zur Erkennung von Emotionen stellt in der Anwendung bei autistischen Kindern aufgrund häufig eingeschränkter Mimik und sprachlicher Limitierungen eine technisch schwer umzusetzende Herausforderung dar. Zur Realisierung wird im Projekt MigrAVE stattdessen ein technologischer Ansatz vorgeschlagen, der sich auf die automatische Erkennung von Engagement auf der Grundlage von Blickrichtungs- und Gesichtsmerkmalsanalysen konzentriert. Um die Erkennung von Engagement zu ermöglichen, entwickeln wir in MigrAVE einen datenbasierten Algorithmus. Hierfür sind Trainingsdaten notwendig, die die reale Interaktion zwischen Kindern und Roboter spiegeln und eine Lerndatenerhebung erforderlich machen. Methode: Im Rahmen der Lerndatenerhebung interagierten 30 Teilnehmer mit einer gesicherten Diagnose aus dem autistischen Spektrum im Alter zwischen fünf und 21 Jahren (M = 10.44, SD = 3.43) mit dem Roboter. Während die Probanden zwei verhaltenstherapeutische Lernprogramme in Interaktion mit dem Roboter bearbeiteten, wurden Audio- und Videodaten aufgezeichnet. Die erhobenen Daten werden im Folgenden annotiert und dienen als Basis für das Training von Engagementdetektions-Modellen und entsprechenden Coping-Reaktionen. Ergebnisse: Da der Prozess der Annotation noch andauert, liegen aktuell keine abschließenden Ergebnisse vor. Diese werden zum Zeitpunkt der Konferenz präsentiert. Schlussfolgerungen: Aufgrund der Besonderheiten des mimischen und sprachlichen Ausdrucks bei Personen im autistischen Spektrum stellt der technologische Ansatz auf Basis von Blickrichtungs- und Gesichtsmerkmalsanalysen eine vielversprechende Alternative zu bisherigen klassischen Mimik- und Sprachanalysen dar.