DOI:

10.37988/1811-153X_2024_4_61

Антропоморфный стоматологический робот в практико-ориентированном образовании: перспективы совершенствования

Загрузки

Авторы

  • Я.Н. Харах 1, к.м.н., доцент кафедры ортопедической стоматологии и цифровых технологий
    ORCID: 0000-0001-7181-8211, AuthorID: 949859
  • А.А. Южаков 2, д.т.н., профессор, зав. кафедрой «Автоматика и телемеханика»
    ORCID: 0000-0003-1865-2448, AuthorID: 487107
  • А.А. Байдаров 2, к.т.н., доцент кафедры «Автоматика и телемеханика»
    ORCID: 0000-0003-3888-3358, AuthorID: 634631
  • Н.Б. Асташина 3, д.м.н., профессор, зав. кафедрой ортопедической стоматологии
    ORCID: 0000-0003-1135-7833, AuthorID: 263718
  • С.Д. Арутюнов 1, д.м.н., профессор, зав. кафедрой ортопедической стоматологии и цифровых технологий
    ORCID: 0000-0001-6512-8724, AuthorID: 262790
  • 1 Российский университет медицины, 127006, Москва, Россия
  • 2 Пермский национальный исследовательский политехнический университет, 614990, Пермь, Россия
  • 3 ПГМУ им. акад. Е.А. Вагнера, 614000, Пермь, Россия

Аннотация

В статье представлен обзор современных разработок в области антропоморфных стоматологических роботов и их применения в практико-ориентированном образовании. Цель исследования заключается в оценке физических и функциональных аспектов антропоморфности роботов, их влияния на психометрические характеристики обучающихся, а также в анализе перспектив развития данных технологий. В работе рассмотрены ключевые компоненты антропоморфных роботов, такие как датчики движения, системы распознавания эмоций и синтеза речи, а также возможности использования облачных технологий для повышения эффективности образовательного процесса. Полученные результаты демонстрируют, что антропоморфные роботы способствуют улучшению образовательных методик, углублению понимания учебного материала и развитию профессиональных навыков у студентов. Тем не менее отмечены технологические вызовы, требующие дальнейших исследований, включая улучшение реалистичности движений, голосового взаимодействия и интеграции сенсорных систем. Предполагается, что дальнейшее развитие технологий обработки данных и облачных сервисов будет способствовать созданию более интерактивных и адаптивных образовательных платформ, что повысит вовлеченность и удовлетворенность студентов.

Ключевые слова:

антропоморфизм, образовательные технологии, робототехника, стоматологическое образование, симуляционное обучение

Для цитирования

[1]
Харах Я.Н., Южаков А.А., Байдаров А.А., Асташина Н.Б., Арутюнов С.Д. Антропоморфный стоматологический робот в практико-ориентированном образовании: перспективы совершенствования. — Клиническая стоматология. — 2024; 27 (4): 61—69. DOI: 10.37988/1811-153X_2024_4_61

Список литературы

  1. Присяжная Н.В., Вяткина Н.Ю. Трудоустройство молодого медицинского специалиста: уровни проявления проблемы. — Вестник Института социологии. — 2023; 1: 101—114. eLIBRARY ID: 50501092
  2. Головкина М.В. Проблемы интенсификации обучения студентов технических вузов при изучении естественно-научных дисциплин. — Международный журнал экспериментального образования. — 2021; 1: 31—36. eLIBRARY ID: 44804949
  3. Beulens A.J.W., et al. Training novice robot surgeons: Proctoring provides same results as simulator-generated guidance. — J Robot Surg. — 2021; 15 (3): 397—428. PMID: 32651769
  4. Каграманян И.Н., Тарасенко А.И., Купеева И.А., Янушевич О.О., Пашков К.А., Ефимова А.О. Исторические аспекты трансформации системы медицинского образования. — Национальное здравоохранение. — 2021; 1: 32—40. eLIBRARY ID: 46648535
  5. Янушевич О.О., Ташкинов А.А., Минаева Н.В., Арутюнов С.Д., Асташина Н.Б., Байдаров А.А., Безукладников И.И., Южаков А.А. Стоматологический антропоморфный робот. Новая эра в имитации врачебных манипуляций и клинического приема. — Cathedra — Кафедра. Стоматологическое образование. — 2021; 78: 64—67. eLIBRARY ID: 48219409
  6. Wang K., et al. The effectiveness of educational robots in improving learning outcomes: A meta-analysis. — Sustainability. — 2023; 15 (5): 4637. DOI: 10.3390/su15054637
  7. Асташина Н.Б., Байдаров А.А., Арутюнов С.Д., Южаков А.А., Кокоулин А.Н., Валихметова К.Р., Майоров П.В., Шамарина А.М., Лазарьков П.В., Вронский А.С., Харах Я.Н. Разработка комплекса «Антропоморфный стоматологический робот» с элементами искусственного интеллекта для имитации врачебных манипуляций и коммуникации «Врач — пациент». — Пермский медицинский журнал. — 2022; 6: 62—70. eLIBRARY ID: 50094348
  8. Epley N., Waytz A., Cacioppo J.T. On seeing human: a three-factor theory of anthropomorphism. — Psychol Rev. — 2007; 114 (4): 864—86. PMID: 17907867
  9. Epley N., Waytz A., Akalis S., Cacioppo J.T. When we need a human: Motivational determinants of anthropomorphism. — Social Cognition. — 2008; 26 (2): 143—155. DOI: 10.1521/soco.2008.26.2.143
  10. Ishiguro H. Android science: conscious and subconscious recognition. — Connection Science. — 2006; 18 (4): 319—332. DOI: 10.1080/09540090600873953
  11. Gan Y., et al. Integrating aesthetic and emotional preferences in social robot design: An affective design approach with Kansei Engineering and Deep Convolutional Generative Adversarial Network. — International Journal of Industrial Ergonomics. — 2021; 83: 103128. DOI: 10.1016/j.ergon.2021.103128
  12. Gubenko A., Kirsch C., Smilek J.N., Lubart T., Houssemand C. Educational robotics and robot creativity: An interdisciplinary dialogue. — Front Robot AI. — 2021; 8: 662030. PMID: 34222352
  13. Seo K., Tang J., Roll I., Fels S., Yoon D. The impact of artificial intelligence on learner-instructor interaction in online learning. — International Journal of Educational Technology in Higher Education. — 2021; 18 (1): 54. PMID: 34778540
  14. Wang W., Chen Y., Li R., Jia Y. Learning and comfort in human—robot interaction: A review. — Applied Sciences. — 2019; 9 (23): 5152. DOI: 10.3390/app9235152
  15. Podpečan V. Can you dance? A study of child—robot interaction and emotional response using the NAO robot. — Multimodal Technologies and Interaction. — 2023; 7 (9): 85. DOI: 10.3390/mti7090085.
  16. Yu C.C., et al. The development of empathy in the healthcare setting: a qualitative approach. — BMC Med Educ. — 2022; 22 (1): 245. PMID: 35379249
  17. Mori M., MacDorman K.F., Kageki N. The uncanny valley [From the Field]. — IEEE Robotics & Automation Magazine. — 2012; 19 (2): 98—100. DOI: 10.1109/MRA.2012.2192811
  18. MacDorman K.F., Ishiguro H. The uncanny advantage of using androids in cognitive and social science research. — Interaction Studies. Social Behaviour and Communication in Biological and Artificial Systems. — 2006; 7 (3): 297—337. DOI: 10.1075/is.7.3.03mac
  19. Арутюнов С.Д., Южаков А.А., Харах Я.Н., Безукладников И.И., Байдаров А.А., Асташина Н.Б. Стоматологический симулятор на базе робототехнического комплекса с интегрированной смарт-челюстью. — Российский стоматологический журнал. — 2023; 1: 63—70. eLIBRARY ID: 54023292
  20. Schiavo F., et al. Educational robots, emotion recognition and ASD: New horizon in special education. — Education Sciences. — 2024; 14 (3): 258. DOI: 10.3390/educsci14030258
  21. Liu Y., Wang S., Xie Y., Xiong T., Wu M. A review of sensing technologies for indoor autonomous mobile robots. — Sensors (Basel). — 2024; 24 (4): 1222. PMID: 38400380
  22. Rosique F., Navarro P.J., Fernández C., Padilla A. A systematic review of perception system and simulators for autonomous vehicles research. — Sensors (Basel). — 2019; 19 (3): 648. PMID: 30764486
  23. Do Y., Kim J. Infrared range sensor array for 3D sensing in robotic applications. — International Journal of Advanced Robotic Systems. — 2013; 10 (4). DOI: 10.5772/55896
  24. Papagianopoulos I., et al. Obstacle detection in infrared navigation for blind people and mobile robots. — Sensors (Basel). — 2023; 23 (16): 7198. PMID: 37631734
  25. Filippini C., Perpetuini D., Cardone D., Chiarelli A.M., Merla A. Thermal infrared imaging-based affective computing and its application to facilitate human robot interaction: A review. — Applied Sciences. — 2020; 10 (8): 2924. DOI: 10.3390/app10082924
  26. Gómez J., Aycard O., Baber J. Efficient detection and tracking of human using 3D LiDAR sensor. — Sensors (Basel). — 2023; 23 (10): 4720. PMID: 37430633
  27. Ko K., Gwak H., Thoummala N., Kwon H., Kim S. SqueezeFace: Integrative face recognition methods with LiDAR sensors. — Journal of Sensors. — 2021; 4312245. DOI: 10.1155/2021/4312245
  28. Jalal A., et al. A study of accelerometer and gyroscope measurements in physical life-log activities detection systems. — Sensors (Basel). — 2020; 20 (22): 6670. PMID: 33233412
  29. Passaro V.M.N., et al. Gyroscope technology and applications: A review in the industrial perspective. — Sensors (Basel). — 2017; 17 (10): 2284. PMID: 28991175
  30. Tran D.S., et al. Real-time hand gesture spotting and recognition using RGB-D camera and 3D convolutional neural network. — Applied Sciences. — 2020; 10 (2): 722. DOI: 10.3390/app10020722
  31. Fang B., Zhao Y., Han G., He J. Expression-guided deep joint learning for facial expression recognition. — Sensors (Basel). — 2023; 23 (16): 7148. PMID: 37631685
  32. Lawpanom R., Songpan W., Kaewyotha J. Advancing facial expression recognition in online learning education using a homogeneous ensemble convolutional neural network approach. — Applied Sciences. — 2024; 14 (3): 1156. DOI: 10.3390/app14031156
  33. Pham T.D., et al. CNN-based facial expression recognition with simultaneous consideration of inter-class and intra-class variations. — Sensors (Basel). — 2023; 23 (24): 9658. PMID: 38139503
  34. Farag A., Hashem D. Impact of the haptic virtual reality simulator on dental students› psychomotor skills in preclinical operative dentistry. — Clin Pract. — 2021; 12 (1): 17—26. PMID: 35076504
  35. Paternò L., Lorenzon L. Soft robotics in wearable and implantable medical applications: Translational challenges and future outlooks. — Front Robot AI. — 2023; 10: 1075634. PMID: 36845334
  36. Hassan S., Wang L., Mahmud K.R. Robotic odor source localization via vision and olfaction fusion navigation algorithm. — Sensors (Basel). — 2024; 24 (7): 2309. PMID: 38610520
  37. Ye N., Wang D., Dai Y. Enhancing autonomous vehicle lateral control: A linear complementarity model-predictive control approach. — Applied Sciences. — 2023; 13: 10809. DOI: 10.3390/app131910809
  38. Корепанов В.О., Новиков Д.А. Метод рефлексивных разбиений в моделях группового поведения и управления. — Проблемы управления. — 2011; 1: 21—32. eLIBRARY ID: 15552782
  39. Ali R., et al. An integrated MVDR beamformer for speech enhancement using a local microphone array and external microphones. — EURASIP Journal on Audio, Speech, and Music Processing. — 2021; 10 (2021). DOI: 10.1186/s13636-020-00192-2
  40. Da Silva B., Braeken A., Touhafi A. FPGA-based architectures for acoustic beamforming with microphone arrays: Trends, challenges and research opportunities. — Computers. — 2018; 7 (3): 41. DOI: 10.3390/computers7030041
  41. Kisenwether J.S., Sataloff R.T. The effect of microphone type on acoustical measures of synthesized vowels. — J Voice. — 2015; 29 (5): 548—51. PMID: 25998411
  42. Svec J.G., Granqvist S. Guidelines for selecting microphones for human voice production research. — Am J Speech Lang Pathol. — 2010; 19 (4): 356—68. PMID: 20601621
  43. Younis H.A., et al. A systematic literature review on the applications of robots and natural language processing in education. — Electronics. — 2023; 12 (13): 2864. DOI: 10.3390/electronics12132864
  44. Shiri F.M., et al. A comprehensive overview and comparative analysis on deep learning models: CNN, RNN, LSTM, GRU. — arXiv preprint. — 2023; 2305.17473. DOI: 10.48550/arXiv.2305.17473
  45. Южаков А.А., Арутюнов С.Д., Асташина Н.Б., Байдаров А.А., Безукладников И.И., Сторожев С.А. Разработка антропоморфного стоматологического симулятора на базе робота Robo-C. — Вестник ИжГТУ имени М.Т. Калашникова. — 2023; 4: 13—22. eLIBRARY ID: 55862305
  46. Islam S., et al. A comprehensive survey on applications of transformers for deep learning tasks. — Expert Systems with Applications. — 2023; 122666. DOI: 10.1016/j.eswa.2023.122666
  47. Zhang Z. Mechanics of human voice production and control. — J Acoust Soc Am. — 2016; 140 (4): 2614. PMID: 27794319
  48. Boilard J., et al. A literature review of WaveNet: Theory, application, and optimization. — In: proceedings of the 146th Convention of the Audio Engineering Society. — Dublin, 2019. — Paper 10171.
  49. Saha O., Dasgupta P. A comprehensive survey of recent trends in cloud robotics architectures and applications. — Robotics. — 2018; 7 (3): 47. DOI: 10.3390/robotics7030047
  50. Afrin M., Jin J., Rahman A., Rahman A., Wan J., Hossain E. Resource allocation and service provisioning in multi-agent cloud robotics: A comprehensive survey. — IEEE Communications Surveys & Tutorials. — 2021; 23 (2): 842—870. DOI: 10.1109/COMST.2021.3061435
  51. Mangaroska K., Vesin B., Kostakos V., Brusilovsky P., Giannakos M.N. Architecting analytics across multiple e-learning systems to enhance learning design. — IEEE Transactions on Learning Technologies. — 2021; 14 (2): 173—188. DOI: 10.1109/TLT.2021.3072159
  52. Арутюнов С.Д. и др. Интерактивная цифровая платформа и киберфизические системы медицинского образования. — Пародонтология. — 2022; 4: 318—326. eLIBRARY ID: 50006339
  53. Govea J., et al. Optimization and scalability of educational platforms: Integration of artificial intelligence and cloud computing. — Computers. — 2023; 12 (11): 223. DOI: 10.3390/computers12110223
  54. Nogueira E., Moreira A., Lucrédio D., Garcia V., Fortes R. Issues on developing interoperable cloud applications: definitions, concepts, approaches, requirements, characteristics and evaluation models. — Journal of Software Engineering Research and Development. — 2016; 4: 7. DOI: 10.1186/s40411-016-0033-6
  55. Naudet Y., Latour T., Guedria W., Chen D. Towards a systemic formalisation of interoperability. — Computers in Industry. — 2010; 61 (2): 176—185. DOI: 10.1016/j.compind.2009.10.014
  56. Rezaei R., Chiew T.K., Lee S.P., Shams Aliee Z. Interoperability evaluation models: A systematic review. — Computers in Industry. — 2014; 65 (1): 1—23. DOI: 10.1016/j.compind.2013.09.001
  57. Abuhassna H., et al. Development of a new model on utilizing online learning platforms to improve students’ academic achievements and satisfaction. — International Journal of Educational Technology in Higher Education. — 2020; 17: 38. DOI: 10.1186/s41239-020-00216-z
  58. El-Sabagh H.A. Adaptive e-learning environment based on learning styles and its impact on development students› engagement. — International Journal of Educational Technology in Higher Education. — 2021; 18: 53. DOI: 10.1186/s41239-021-00289-4
  59. Farrell O., Brunton J. A balancing act: a window into online student engagement experiences. — International Journal of Educational Technology in Higher Education. — 2020; 17: 25. DOI: 10.1186/s41239-020-00199-x
  60. Noor U., et al. Learning behavior, digital platforms for learning and its impact on university student›s motivations and knowledge development. — Front Psychol. — 2022; 13: 933974. PMID: 36506979
  61. Schömbs S., Klein J., Roesler E. Feeling with a robot-the role of anthropomorphism by design and the tendency to anthropomorphize in human-robot interaction. — Front Robot AI. — 2023; 10: 1149601. PMID: 37334072
  62. Suzuki Y., Galli L., Ikeda A., Itakura S., Kitazaki M. Measuring empathy for human and robot hand pain using electroencephalography. — Sci Rep. — 2015; 5: 15924. PMID: 26525705
  63. Ветлужская М.В. и др. Особенности эмоционального интеллекта и эмпатических способностей у студентов медицинского вуза. — Интеграция образования. — 2019; 3 (96): 404—422. eLIBRARY ID: 41041581
  64. Зорин К.В. Этико-деонтологическое воспитание и профессиональное развитие студентов-медиков: аспекты проблемы. — Медицинское образование и профессиональное развитие. — 2020; 3 (39): 187—193. eLIBRARY ID: 44034339
  65. Кубекова А.С., Сергеева М.А. Связь эмпатии и личностных свойств у студентов медицинского университета. — Мир науки. Педагогика и психология. — 2022; 3: . eLIBRARY ID: 49447208
  66. Fragkos K.C., Crampton P.E.S. The effectiveness of teaching clinical empathy to medical students: A systematic review and meta-analysis of randomized controlled trials. — Acad Med. — 2020; 95 (6): 947—957. PMID: 31688037
  67. Fernandez A.V., Zahavi D. Basic empathy: Developing the concept of empathy from the ground up. — Int J Nurs Stud. — 2020; 110: 103695. PMID: 32736251
  68. Laughey W.F., et al. Empathy in medical education: Its nature and nurture — a qualitative study of the views of students and tutors. — Med Sci Educ. — 2021; 31 (6): 1941—1950. PMID: 34692227
  69. Bas-Sarmiento P., et al. Empathy training in health sciences: A systematic review. — Nurse Educ Pract. — 2020; 44: 102739. PMID: 32220796
  70. Bearman M., Palermo C., Allen L.M., Williams B. Learning empathy through simulation: A systematic literature review. — Simul Healthc. — 2015; 10 (5): 308—19. PMID: 26426561
  71. Chua J.Y.X., Ang E., Lau S.T.L., Shorey S. Effectiveness of simulation-based interventions at improving empathy among healthcare students: A systematic review and meta-analysis. — Nurse Educ Today. — 2021; 104: 105000. PMID: 34146845
  72. Ekström S., Pareto L. The dual role of humanoid robots in education: As didactic tools and social actors. — Education and Information Technologies. — 2022; 27: 12609—12644. DOI: 10.1007/s10639-022-11132-2
  73. Kim J., Im I. Anthropomorphic response: Understanding interactions between humans and artificial intelligence agents. — Computers in Human Behavior. — 2023; 139: 107512. DOI: 10.1016/j.chb.2022.107512
  74. Середкина Е.В. Философские основания прикладного антропоморфизма в социальной робототехнике. — Технологос. — 2020; 4: 56—63. eLIBRARY ID: 44620409
  75. Park S., Whang M. Empathy in human-robot interaction: Designing for social robots. — Int J Environ Res Public Health. — 2022; 19 (3): 1889. PMID: 35162909
  76. Wang T., Zheng P., Li S., Wang L. Multimodal human—robot interaction for human-centric smart manufacturing: A survey. — Advanced Intelligent Systems. — 2024; 6: 2300359. DOI: 10.1002/aisy.202300359
  77. Su H., et al. Recent advancements in multimodal human-robot interaction. — Front Neurorobot. — 2023; 17: 1084000. PMID: 37250671
  78. Новиков Г.А. и др. Проблема персонифицированной коммуникации врач-пациент в паллиативной медицине. — Паллиативная медицина и реабилитация. — 2022; 4: 5—11. eLIBRARY ID: 50108383
  79. Рашид М.А. и др. Практические аспекты персонифицированной коммуникации врач-пациент в паллиативной медицине. — Паллиативная медицина и реабилитация. — 2023; 1: 5—14. eLIBRARY ID: 53837587

Загрузки

Поступила

31.05.2024

Принята

22.10.2024

Опубликовано

17.12.2024