Um aspecto importante da interação humana é a atenção compartilhada. Ela é um processo de comunicação onde uma pessoa redireciona a sua atenção para um objeto ou evento e a outra pessoa ou pessoas seguem o seu olhar para o mesmo lugar. O processo é finalizado com a pessoa que segue a atenção realizando um apontamento sobre o objeto e um comentário sobre a situação. Esta habilidade importante é aprendida por nós durante o período da infância e hoje, alguns pesquisadores em robótica estão tentando desenvolver arquiteturas robóticas para aprender essa habilidade em robôs. Deste modo, o laboratório de aprendizado de robôs está trabalhando em uma arquitetura robótica para esse fim. Ela é composta por três módulos, percepção de estímulo, controle de consequência e emissão de resposta. Esta arquitetura robótica foi avaliada no controle de uma cabeça robótica e foi capaz de aprender a seguir o olhar e identificar alguns objetos. No entanto, todos esses módulos têm algumas limitações. A fim de ter uma melhor interação entre um robô e um humano e reduzir os efeitos das limitações, algumas melhorias foram desenvolvidas. Entre elas incluem um novo algoritmo de classificação das posições da cabeça através do histograma de gradiente orientado, inserir novas funcionalidades (definidas como reflexos) ao módulo de controle de consequência e novos algoritmos de aprendizado para selecionar a melhor ação. Todas as modificações realizadas reduziram as limitações e pode melhorar as interações entre um robô e um ser humano

One important aspect of human interaction is the shared attention. It is a communication process where one person redirect his or her attention to an object or event and the other person or people follow gaze to the same place. This process end with a pointing and a comment about the situation by the person that follows the attention. This important ability was learned by us during the childhood and some roboticist are trying to develop robotics architectures to learn this ability in robots. In this way, the Learning Lab Robotics has been working on a robotic architecture used with this proposed. It is composed by three modules, stimulus perception, consequence control and response emission. This robotic architecture was evaluated to control a robotic head and it was capable to learn to follow gaze and identify some objects. However, all of these modules have some limitations. In order to take a better interaction between a robot and a human and reduce the effects of limitations, some improvements were developed. They include a new head pose classification algorithm using histogram of oriented gradient, increase the capability of consequence control with new reflexes and new learning algorithms to select the best action. All modification reduce the limitations and it can improve the interactions between a robot and a human being