Human-Robot Kinaesthetic Interaction Based on Free Energy Principle

要約

現在の研究では、自由エネルギー原理に基づく PV-RNN と呼ばれる変分再帰型ニューラル ネットワーク モデルを使用して、人間とロボットの運動感覚相互作用の可能性を調査しました。
PV-RNN を使用した以前のロボット研究では、トップダウンの期待とボトムアップの推論の間の相互作用の性質は、自由エネルギーの複雑さの項を規制するメタ プライアと呼ばれるパラメーターによって強く影響を受けることが示されました。
人間の実験者によって訓練された遷移が誘導されたとき、および訓練されていない遷移が誘導されたときに生成される反力。
私たちの実験結果は、(1) $w$ が大きい/小さい値で設定されている場合、人間の実験者は、訓練された遷移を誘発するために、より多く/より少ない力を必要とすること、(2) 人間の実験者がロボットに作用しようとするときに、より多くの力を必要とすることを示しました。
訓練された運動パターンの移行とは対照的に、訓練されていないものを誘導します。
PV-RNN の本質的な変数と値の身体的相互作用中の時間発展の分析により、人間実験者とロボットの間の行動意図のギャップが、それらの間の反力として現れるメカニズムが明らかになりました。

要約(オリジナル)

The current study investigated possible human-robot kinaesthetic interaction using a variational recurrent neural network model, called PV-RNN, which is based on the free energy principle. Our prior robotic studies using PV-RNN showed that the nature of interactions between top-down expectation and bottom-up inference is strongly affected by a parameter, called the meta-prior, which regulates the complexity term in free energy.The study also compares the counter force generated when trained transitions are induced by a human experimenter and when untrained transitions are induced. Our experimental results indicated that (1) the human experimenter needs more/less force to induce trained transitions when $w$ is set with larger/smaller values, (2) the human experimenter needs more force to act on the robot when he attempts to induce untrained as opposed to trained movement pattern transitions. Our analysis of time development of essential variables and values in PV-RNN during bodily interaction clarified the mechanism by which gaps in actional intentions between the human experimenter and the robot can be manifested as reaction forces between them.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google