Natutong Gayahin ng mga Robot na Pinapagana ng AI ang Galaw ng Labi ng Tao

Nakagawa ang mga inhinyero ng Columbia ng robot na kayang gayahin at matutuhan ang galaw ng labi ng tao habang nagsasalita. Pinagsasama ng pinahusay na disenyo ang makabagong robotics at AI, kaya natututo ang aparatong tinatawag na Emo sa pagmamasid sa ekspresyon ng tao at nagagaya nito ang damdamin kapag naaangkop. Narito ang mahahalagang dapat malaman.

Bakit Nagdudulot ng Uncanny Valley ang mga Humanoid na Robot

Mula pa sa mga unang araw ng robotics, sinisikap na ng mga mananaliksik na lumikha ng humanoid robot. Mas mahirap itong gawin kaysa sabihin: patuloy mang sumusulong ang mga inhinyero, hindi pa rin nila lubos na nakakamit ang layuning gumawa ng aparatong mukhang at kumikilos na tunay na tao.

Mapatutunayan ng sinumang nakakita kahit ng pinakasimpleng humanoid robot ang pagkailang na dulot ng mga aparatong nagtatangkang magmukhang tao. Kahit maliliit na kamalian, gaya ng hindi likas na galaw ng mata o ekspresyon ng mukha, ay maaaring magdulot ng ganitong pakiramdam sa nagmamasid.

Ang Uncanny Valley

Napansin ng Hapones na dalubhasa sa robotics na si Masahiro Mori ang penomenong ito noong dekada 1970. Sa tanyag na niyang sanaysay na “Bukimi no Tani Gensho” (Lambak ng Pagkailang), detalyado niyang tinalakay ang konsepto. Inilarawan ng papel kung paanong ang maliliit na kapintasan ng humanoid robot ay nagdudulot ng biglang pagkawala ng pagkakaugnay nito sa nagmamasid.

Noong 1978, nakilala ang termino sa mga siyentipikong lupon sa Kanluran sa pamamagitan ng aklat ni Jasia Reichardt na “Robots: Fact, Fiction, and Prediction,” na nagpasikat sa saling “uncanny valley.” Pinalawak ng aklat ang talakayan ni Mori at ipinaliwanag kung paanong kahit pinakamaliit na pagkakaiba ay maaaring magdulot ng negatibong reaksiyon sa ugnayan ng tagamasid at robot.

Ang mga Mukha ng Tao ang Pinakahirap na Bahagi ng Ekwasyon

Sa nakalipas na mga dekada, maraming mahalagang pagsulong ang nagawa sa paglikha ng humanoid robot. Dahil sa mga bagong teknolohiya gaya ng malalaking modelo ng wika (LLM), nakikipag-usap na ang mga aparatong ito gamit ang likas na wika. Gayunman, isa sa pinakamalaking hamon na nangangailangan pa ng masusing pag-aaral ang mukha ng tao.

Ang mukha ng tao ay masalimuot na kombinasyon ng tisyu, nerbiyos, at kalamnan na kayang magpakita ng libu-libong ekspresyon. Marami sa mga ito ang naghahatid ng damdamin sa ibang tao, kaya maituturing ang mukha na isang napakahalagang kasangkapan sa komunikasyon.

Matagal nang kinikilala ng mga inhinyero ng robotics ang kahalagahan at hirap ng paglikha ng mukhang robot na gumagalaw na parang tao. Matapos ang maraming taon ng pagsisikap, nagkaroon ang mga robot ng balat at ekspresyong mukhang tao. Ngunit sa kabila ng bilyun-bilyong dolyar na pananaliksik, kulang pa rin ang likas na ugnayang ito.

I-swipe para mag-scroll →

Ang Kahalagahan ng mga Labi sa Komunikasyon

Paulit-ulit na nahaharap ang mga dalubhasa sa robotics sa isang malaking suliranin sa paggawa ng humanoid na aparato: halos imposibleng gayahin ang galaw ng labi. Hindi lamang ginagabayan ng mga labi ang tunog ng boses at pagbigkas ng mga salita.

Nagpapakita rin ang mga labi ng banayad na damdamin na, sa paglipas ng libu-libong taon ng ebolusyon, ay naging mahalaga sa komunikasyon ng tao. Sa pakikipag-usap, isa ang galaw ng labi sa pinakatinututukang katangian ng mukha. Dahil dito, mas maraming kakayahang pangkaisipan ang inilalaan ng utak sa mga galaw na ito kaysa sa pagkukunot ng noo o pagkindat.

Ang mga Labi ng Robot ay Mukhang Hindi Natural

Bagama’t halos mukha nang tao ang ilang robot, kulang pa rin ang kanilang ekspresyon sa labi. Ipinakita ng ilang dekada ng pananaliksik na wala pang teknolohiyang nakakamit ang wastong pagtutugma ng labi at tunog na kailangan para sa makatotohanang kilos. Kaya parang naka-dub, sa halip na tunay na sinasalita, ang kanilang usapan at nagmumukhang malamya at walang buhay ang mga aparato.

Umaasa ang mukha ng tao sa dose-dosenang kalamnan upang magpakita ng damdamin, at wala pa sa ganitong antas ng pagiging masalimuot ang labi ng robot. Mangangailangan ito ng bagong uri ng disenyo. Bukod dito, karamihan sa galaw ng labi ng robot ay paunang itinakda upang tumugma sa tiyak na tunog, sa halip na likas na bumuo ng salita. Dahil hindi talaga nililikha ng labi ng robot ang tunog, nagmumukhang hindi natural at nakaaasiwa ang galaw nito.

Pag-aaral ng Columbia: Pagtuturo sa mga Robot ng Realistikong Galaw ng Labi

Maaaring natuklasan ng isang pangkat ng mga inhinyero ng Columbia kung paano lampasan ang uncanny valley. Ipinakilala ng pag-aaral na “Pagkatuto ng makatotohanang galaw ng labi para sa mga robot na may humanoid na mukha¹” ang isang bagong uri ng mukhang robot na pangunahing nakatuon sa galaw at pagtutugma ng labi.

Espesyal na Hardware

Isa sa mga pangunahing hadlang na kinailangang lampasan ng pangkat ang paninigas ng mga kasalukuyang mukhang robot. Marami nang bagong disenyong gumagamit ng motor upang igalaw ang mukha, ngunit wala pang kayang suportahan ang pagiging masalimuot na kailangan para sa makatotohanang galaw ng labi.

Upang malampasan ang limitasyong ito, gumamit ang mga inhinyero ng espesyal na idinisenyong labing silicone na nagbibigay ng pinakamalawak na ekspresyon. Pagkatapos ay naglagay sila ng 26 na motor sa mukha, isang facial action transformer, at variational autoencoder (VAE).

Vision-to-Action (VLA)

Nasa sentro ng teknolohikal na tagumpay na ito ang modelong AI na nag-uugnay ng paningin at pagkilos. Sa pamamagitan nito, kusang nakakalikha ang mukhang robot ng makatotohanang galaw ng labi nang hindi umaasa sa mga paunang itinakdang mekanikal na galaw.

Gumamit ang pangkat ng mga paraan ng pagkatuto sa pagmamasid upang buuin ang modelo. Sa ganitong uri ng pagprograma, natutukoy ng aparato sa mismong sandali ang eksaktong kilos ng labi habang nagsasalita. Bilang unang hakbang, isinailalim nila ang algoritmo sa prosesong self-supervised learning.

Sa hakbang na ito, inilagay ng mga inhinyero ang mukha ng robot sa harap ng salamin at inutusan itong gumawa ng libu-libong ekspresyon. Dahil dito, naitala ng algoritmo ang kakayahan nitong igalaw ang mukha. Pagkatapos ay nanood ang robot ng maraming oras ng nilalaman sa YouTube.

Maingat na sinusubaybayan ang kumbinasyon ng tunog at galaw ng labi at ginamit ito upang iprograma ang algoritmo ng AI para sa mukha at labi ng robot. Sa loob ng ilang araw, natutuhan nito mula sa ekspresyon ng tao kung ano ang dapat na hitsura ng mukha nito, sa halip na umasa sa mga ipinasok na parametro. Pagkatapos ay nagdagdag ng tunog ang mga inhinyero at nagsimulang sumubok.

Paano Sinubukan ang Lip-Sync AI sa Iba’t Ibang Wika

Sinubukan ng pangkat ang kanilang teorya sa 10 magkakaibang wika at kontekstong pangwika. Gumamit sila ng mga wikang ganap na bago sa modelo upang matiyak na kakalkulahin nito ang wastong ekspresyon at galaw ng labi, sa halip na alalahanin lamang ang mga salitang dati nang itinuro. Gumamit din ang pagsubok ng konteksto at mga awit.

Mga Resulta ng Pagsubok sa Uncanny Robots

Nagpakita ang mga resulta ng magkakatugmang galaw ng labi at tunog sa lahat ng pagsubok. Ang robot na pinapatakbo ng algoritmo ay nakagawa ng makatotohanang galaw ng labi na eksaktong tumugma sa ilang audio clip. Matagumpay din nitong itinugma ang galaw ng labi sa 10 wika at kumanta pa ng awit mula sa debut album nitong nilikha ng AI, hello world_.

Nakakita rin ang pangkat ng ilang limitasyon. Hindi palaging nagagaya ng robot ang mahihirap na galaw ng labi sa mga salitang gaya ng “pop” at nahirapan din ito sa mga salitang nangangailangan ng pag-usli ng labi, gaya ng “whistle.” Ayon sa mga inhinyero, mababawasan ang maliliit na kapintasang ito habang patuloy na umuunlad ang algoritmo. Ang kakayahang matuto nang kusa ang pinakamahalagang katangian nito: patuloy itong huhusay habang nakakakuha ng mas maraming datos mula sa tao at magbubukas ng mas makabuluhang pakikipag-ugnayan ng tao at makina.

Pangunahing Benepisyo ng Realistikong Humanoid Robotics

Maraming pakinabang ang maihahatid ng teknolohiyang ito sa merkado. Maaari nitong tulungan ang mga tao na bumuo ng mas malalim na ugnayan sa mga makina. Hindi namamalayan ng karamihan kung gaano karaming komunikasyon ang nagaganap nang hindi sinasadya sa pamamagitan ng ekspresyon ng mukha.

Nagbubukas ang pag-aaral ng pagkakataon para sa teknolohiya ng pagtutugma ng labi at conversational AI na lumikha ng karanasang mas kahawig ng pakikipag-ugnayan sa tao, na maaaring makatulong laban sa lumalalang kalungkutan at iba pang suliranin. Sa teknolohiyang ito, mas makalalapit ang humanoid robot sa paglampas sa uncanny valley at sa bagong antas ng robotics.

Mga Totoong Aplikasyon at Timeline

Maraming gamit ang teknolohiyang ito sa iba’t ibang industriya. Pinakamalinaw ang ambag nito sa pagsulong ng humanoid robotics. Ang kakayahang magbigay ng banayad at magiliw na mukha sa malamig na makina ay maaaring magpalawak ng paggamit nito. Narito ang ilan pang posibleng aplikasyon.

Pag-aalaga sa Matatanda

Bagama’t hindi karaniwang itinuturing na pinakasanay sa teknolohiya, nagsisimula nang tanggapin ng mga nakatatanda ang robotics sa bagong antas. Lumalaki ang merkado ng mga robot na pantulong sa pangangalaga sa matatanda; ipinapakita ng mga estadistika na umabot ito sa $3.38 bilyon noong 2025 at inaasahang lalampas sa $9.85 bilyon pagsapit ng 2033.

Mas handang makipag-ugnayan at tumanggap ng robot ang mga nakatatanda kung hindi ito mukhang komplikadong gamitin. Kaya maaaring maging angkop ang robot na katulong na nakikipag-usap sa pamamagitan ng pananalita at makatotohanang galaw ng mukha. Makakakuha ang matatandang pasyente ng pakikipag-ugnayan kasabay ng kailangang tulong.

Libangan

Maaaring kabilang ang industriya ng libangan sa mga unang gagamit ng teknolohiyang ito. Malaki ang pag-asa ng mga gumagawa ng pelikula sa robotics—mula sa animatronics sa mga theme park gaya ng Disney hanggang sa mga robot na ginagamit sa motion capture para sa malalaking pelikula. Nakatulong ang mga aparatong ito sa pagsulong ng industriya.

Lampas $4.72 bilyon na ang kasalukuyang sektor ng robot para sa libangan at inaasahang lalago ito sa $26.94 bilyon pagsapit ng 2034, bunsod ng mas mataas na pangangailangan para sa makatotohanang CGI na karakter. Sa malapit na hinaharap, maaaring punan ng teknolohiyang ito ang pangangailangang iyon at pahintulutan ang mga aktor na direktang ilapat ang kanilang mukha sa mga karakter sa mga bagong paraan.

Edukasyon

Maaari ring umunlad ang teknolohiyang ito sa edukasyon, kung saan maaaring gamitin ang mga aparato bilang personal na tagapagturo. Ipinakita na ng ilang ulat na tumaas nang 30% ang pag-unawa ng mga mag-aaral sa matematika gamit ang mga araling iniangkop para sa robot.

Timeline ng Pag-aampon

Maaasahang unti-unting papasok ang teknolohiyang ito sa pang-araw-araw na buhay sa loob ng susunod na lima hanggang 10 taon. Naroroon na ang mga robot sa maraming pabrika at lugar ng trabaho, at inaasahang lalo pang lalawak ang paggamit sa mga ito. Nauunawaan ng mga dalubhasa na makatutulong ang teknolohiyang ito upang maging mas madaling pakitunguhan ang kanilang mga aparato.

Mga Pangunahing Mananaliksik sa Columbia

Isinagawa ang pag-aaral sa Creative Machines Lab ng Columbia. Nakalista sa papel bilang mga nag-ambag sina Yuhang Hu, Jiong Lin, Judah Allen Goldfeder, Philippe M. Wyder, Yifeng Cao, Steven Tian, Yunzhe Wang, Jingran Wang, Mengmeng Wang, Jie Zeng, Cameron Mehlman, Yingke Wang, Delin Zeng, Boyuan Chen, at Hod Lipson.

Ano ang Susunod para sa mga Robot na Katulad ng Tao

Tututok na ngayon ang pangkat sa higit pang pagpapahusay ng algoritmo. Kabilang dito ang mas maraming pakikipag-ugnayan sa tao at maaari itong humantong sa maraming yunit na natututo sa mismong sandali at nagbabahagi ng datos sa isang sentralisadong modelo.

Pamumuhunan sa Inobasyon ng Robotics

Mabilis ang takbo ng industriya ng robotics at malaki ang inilago nito sa nakalipas na limang taon. Nakatulong ang mga bagong teknolohiya gaya ng LLM at 3D printer upang itaas ang antas ng inobasyon. Para sa mas malawak na pagtalakay sa mga oportunidad sa merkado, basahin ang aming gabay sa pamumuhunan sa Physical AI at mga humanoid robot sa 2026.

Narito ang isang kumpanyang nangunguna sa pagbabagong ito.

Teradyne ($36B)

Ang Teradyne, Inc. (TER ) ang pangunahing kumpanya ng Universal Robots (UR), ang nangunguna sa merkado ng mga “cobot” o collaborative robot. Bagama’t hindi gumagawa ang Teradyne ng humanoid na mukha, nangunguna ito sa pagdadala sa pabrika ng AI na “manood at matuto” na inilarawan sa pag-aaral ng Columbia.

Mahalaga ang estratehikong pakikipagtulungan ng Teradyne sa Nvidia (NVDA ) upang isama ang platform na “Isaac Manipulator.” Dahil dito, gumagamit ang mga robot ng Teradyne ng AI camera upang “makita” ang kapaligiran at kusang baguhin ang kanilang daraanan—katulad ng pagkatuto ng Emo na iangkop ang mga labi—sa halip na umasa sa mahigpit at paunang isinulat na code.

Pagganap at Halaga noong 2026: Malawak na itinuturing ang Teradyne na isang “blue chip” na sapi sa robotics. Umakyat nang halos 50% ang mga sapi nito noong 2025 at patuloy na lumakas sa unang bahagi ng 2026, malapit sa antas na $230.

Pinakabagong Balita at Pagganap ng Teradyne (TER)

Konklusyon

Makatuwiran ang paglikha ng makatotohanang mukhang robot. Kaya na ngayong gayahin ng mga LLM ang pananalita ng tao, at kapag isinama sa makatotohanang ekspresyon ng mukha, maaaring maghatid ang mga aparatong ito ng bagong antas ng pagsasanay, pagkatuto, pangangalagang pangkalusugan, at iba pa. Sa ngayon, tututok ang pangkat sa pag-aayos ng mga kapintasan at paghahanap ng mga estratehikong katuwang at pondo.

Alamin ang iba pang kapana-panabik na pagsulong sa robotics dito.

Mga Sanggunian

1. Yuhang Hu et al., Learning realistic lip motions for humanoid face robots. Science ^Robotics 11, eadx3017 (2026). DOI: 10.1126/scirobotics.adx3017