Estudios recientes sugieren que algunos niños con autismo prefieren robots como tutores para mejorar su interacción social y habilidades de comunicación, que están afectadas debido a su trastorno. De hecho, la investigación se ha centrado en desarrollar una forma de intervención muy prometedora llamada Terapia Asistida por Robots. Esta área de intervención presenta muchos desafíos, incluida la flexibilidad y adaptabilidad necesarias a entornos terapéuticos reales no restringidos, que son diferentes de los entornos de laboratorio restringidos donde se prueba típicamente la mayoría de la tecnología. Entre los déficits más comunes de los niños con autismo y discapacidad intelectual se encuentra la atención social, que incluye dificultades para establecer el enfoque visual correcto de atención. Este artículo presenta una investigación sobre el uso de nuevas arquitecturas de redes neuronales de aprendizaje profundo para estimar automáticamente si el niño está enfocando su atención visual en el robot durante una sesión de terapia, lo que es un indicador de su compromiso. Para estudiar la aplicación, los autores recopilaron datos de un experimento clínico en un entorno no restringido, que proporcionó videos de baja resolución grabados por la cámara del robot durante la interacción niño-robot. Se implementaron dos enfoques de aprendizaje profundo en varias variantes y se compararon con un algoritmo estándar para la detección de rostros para verificar la viabilidad de estimar el estado del niño directamente desde los sensores del robot sin depender de configuraciones externas voluminosas, que pueden angustiar al niño con autismo. Uno de los enfoques propuestos demostró una precisión muy alta y puede ser utilizado para una evaluación continua fuera de línea durante la terapia o para adaptar de forma autónoma la intervención en futuros robots con mejores capacidades computacionales.