仮想ソーシャルロボットとの音楽教育プログラムにおけるASD/TD児の行動モデリング：深層ニューラルネットワークによるアプローチ

要旨: 本研究は、深層ニューラルネットワークを用いた音楽教育プログラムにおいて、仮想のソーシャルロボットと対話することで、ASD（自閉スペクトラム症）の子どもおよび定型発達（TD）の子どものパフォーマンスを評価し、行動モデルを抽出するための知能システムの開発を目的とした。このシステムには主に2つの特徴がある。1) 行動に基づいて定型発達の子どもとASDの子どもを区別し、2) 深層学習により、同様の状況における定型発達またはASDの子どもの行動に似た行動を生成する。複雑なパターンを識別し、行動をシミュレートできる知能システムは、診断、セラピストの訓練、そして障害の理解に役立ちうる。シャリフ工科大学の社会・認知ロボティクス研究室における先行研究のデータ（9名のASD参加者と21名のTD参加者の利用可能データを含む）を用いて、本システムは、影響データとモーション信号の両方を用いることで、定型発達の子どもとASDの子どもを区別する精度81%および感度96%を達成した。子どもの行動を再現するために、トランスフォーマーに基づくネットワークを設計した。分野の専門家は、再現されたものと実際の行動とを見分けるのに苦労し、精度53.5%および一致率68%であった。これは、モデルが現実的な行動をシミュレートすることに成功していることを示している。