Neues, kontextsensitives multimodales Gedächtnis für soziale Roboter

Ein innovatives Gedächtnissystem, das sich an der Funktionsweise des menschlichen Gehirns orientiert, verspricht, die Interaktion zwischen Menschen und sozialen Robotern grundlegend zu verbessern. Statt der üblichen, nicht selektiven Textspeicherung nutzt die neue Architektur multimodale Erinnerungen – sowohl sprachliche als auch visuelle Episoden – und wählt gezielt die Momente aus, die durch hohe emotionale Bedeutung oder neue Szenen hervorstechen.

Durch die Verknüpfung dieser selektiven Erinnerungen mit einzelnen Nutzern kann das System personalisierte Rückblicke liefern und Gespräche natürlicher und kontextbezogener gestalten. In einer umfangreichen Testreihe mit kuratierten sozialen Szenarien erreichte die Speicherstrategie einen Spearman-Korrelationswert von 0,506 – deutlich höher als die menschliche Konsistenz von 0,415 und besser als bestehende Bild‑Memorabilitätsmodelle.

Bei multimodalen Abruftests zeigte die Fusion von Text- und Bilddaten einen Recall@1 von bis zu 13 % über die reine Text- oder Bildsuche hinaus. Gleichzeitig bewältigt das System die Anforderungen an Echtzeitverarbeitung, sodass die Erinnerungsabfrage ohne Verzögerung in die Interaktion integriert werden kann.

Qualitative Analysen belegen, dass die Antworten des Roboters dank des neuen Gedächtnisses reichhaltiger und sozial relevanter sind als bei herkömmlichen Modellen. Dieses Vorgehen verbindet menschlich inspiriertes Selektionstraining mit multimodaler Retrieval‑Technologie und ebnet damit den Weg für langfristige, individuell zugeschnittene Mensch-Roboter‑Interaktionen.