NAOEMOTION: GENERACIÓN DE TEXTO A PARTIR DE UN SENTIMIENTO UTILIZANDO EL ROBOT NAO

Abstract

La finalidad de este proyecto recae en la mejora de la interacción humano robot, mediante la generación de texto basados en sentimiento usando un modelo GAN, en donde se describe a lo largo del proyecto su utilidad, limitaciones y ventajas del uso de este tipo de redes. Empezando el trayecto de este documento el capítulo uno se plantean las bases para el proyecto, en este se define la problemática, junto al objetivo general como los específicos, además de plantear las restricciones, alcance y la organización. En el capítulo dos, se presenta en las técnicas usadas para el desarrollo en conjunto de las herramientas, de esta forma se recopila todo el conocimiento general para el desarrollo definiendo y explicando cada punto. En el capítulo tres, se detallan los objetivos específicos, junto a su cumplimiento a través del ciclo de vida del proyecto presentado en los 9 sprints, además de presentar el desarrollo del proyecto, explicando cómo se inicia con investigación para recolectar información necesaria para continuar con el diseño e implementación. En el capítulo cuatro, se revelan los resultados obtenidos mediante los experimentos con métricas cuantitativas y cualitativas, siendo estas métricas de calidad de texto, encuestas y entrevistas. En el capítulo cinco, se detalla la resolución de los planes realizados en los artefactos de gestión. Finalmente se presentan las conclusiones y recomendaciones del proyecto.

In these last years, communication with computers has made enormous steps, like the robot Sophia that surprised many people with their human interactions. Behind this kind of robots, there is a machine learning model for text generation to interact with others, but in terms of text generation with sentiments not many investigations have been done. A model like GAN has opportunities to become an excellent option to attack this new problem because of their discriminator and generator competing to search for the optimal solution. In this paper, a GAN model is presented that can generate text with different emotions based on a dataset recompiled from tweets labeled with emotions and then deployed in an NAO robot to speak the text in short phrases using voice commands. The model is evaluated with different methods popular in text generation like BLEU and additionally, an experiment with humans is done to prove the quality and sentiment accuracy.