Sociale robots voor gepersonaliseerde diabeteseducatie bij kinderen
ROBOCURE is een ICON-project voor toegepast onderzoek dat nagaat hoe sociale robots, het Internet of Things en artificiële intelligentie medische behandelingen kunnen verbeteren. De focus ligt op de diabetesbehandeling bij kinderen. Samen met The Learning Hub bouwden we StoryLine 2 Pepper: een tool waarmee niet-technische medewerkers interactieve e-learningcontent maken die een humanoïde Pepper-robot brengt, met Learning Record Store-integratie om de patiënteneducatie op te volgen.
Wat ROBOCURE wilde bereiken
ROBOCURE onderzoekt hoe sociale robots patiënten kunnen informeren en begeleiden. Patiëntdata die de robot verzamelt, wordt gebruikt om behandelingen persoonlijker te maken. Het project bestudeert hoe machine learning en medische expertise het databeheer en de analyse voor gepersonaliseerde therapieën kunnen automatiseren. Het onderzoek focust op de diabetesbehandeling bij kinderen.
Het project maakt deel uit van het ICON-programma voor toegepast onderzoek en telt partners uit de private en publieke sector: Arinti, The Learning Hub, QBMT, UZ Brussel, Medtronic Belgium, imec - IDLab - UGent, imec - SMIT - VUB, VUB - GRON en VUB - R&MM.
“ROBOCURE onderzoekt en valideert het gebruik van robots, het Internet of Things en artificiële intelligentie in de zorg om medische therapieën te verbeteren. Het project is gebaseerd op data die op afstand verzameld wordt.”
StoryLine 2 Pepper: e-learningcontent voor robots
We werkten samen met The Learning Hub om e-learning en sociale robotica samen te brengen. Het doel: niet-technische medewerkers interactieve leercontent laten maken die een humanoïde robot kan brengen, zonder gespecialiseerd programmeerwerk.
Waarom een robot
Onderzoek in Plymouth toonde aan dat kinderen goed reageren op robots als het gaat om het beïnvloeden van gedrag en meningen. Dat maakt ze geschikt voor de rol van educator. Een humanoïde robot combineert de voordelen van digitale content met reactieve, sociale interactie op basis van het gedrag van het kind. De oplossing werkt ook via de browser wanneer er geen robot beschikbaar is.
Hoe het werkt
We bouwden verder op StoryLine, een veelgebruikte authoringtool voor e-learning die vergelijkbaar is met PowerPoint. Leercontent gemaakt in StoryLine wordt geëxporteerd naar HTML met geïntegreerde LRS-ondersteuning (Learning Record Store). Wij voegden een interfacelaag toe die interactie met de Pepper-robot mogelijk maakt via slechts twee commando's: Listen (voor spraakherkenning) en Say (voor robotspraak). Browserondersteuning gebruikt de Web Speech API en SpeechSynthesis om te testen zonder fysieke robot.
Patiëntinteractie
Wanneer een leermodule start, stelt Pepper zichzelf voor en vraagt hij de patiënt om verder te gaan. De tablet toont hints met verwachte woorden om de herkenning te verbeteren. Faalt de herkenning, dan vraagt de robot de patiënt om te herhalen. Tabletinteractie dient als fallback. Modules worden op de robot gezet via een taakplanner gebouwd door imec, met ingebouwde LRS-monitoring.
Wat we opleverden
Het project leverde een pipeline op om leercontent te maken zonder technische expertise, gebracht door een humanoïde robot. De interactieve features van StoryLine breiden de standaard e-learningfunctionaliteit uit. Educatieve resultaten worden opgevolgd via native StoryLine- en LRS-integratie.
Ten tijde van het project ondersteunde de integratie de Pepper-robot, met een architectuur die ontworpen is om uit te breiden naar andere robots met een tablet en JavaScript API.
ROBOCURE haalde de pers bij VRT NWS, VTM Nieuws, HLN, Nieuwsblad en RTBF.
