Adaptation and Communication in Human-Robot Teaming to Handle Discrepancies in Agents’ Beliefs about Plans

要約

エージェントがタスクに協力する場合、タスク ルーチンの共有メンタル モデル、つまり目標達成に向けた実行可能な計画のセットを持っていることが重要です。
ただし、実際には、エージェントが異なる規則に従うアドホック チームや、一部のエージェントだけが認識している偶発的な制約が発生する場合など、そのような共有メンタル モデルが保証できない状況がよく発生します。
人間とロボットのチーム化に関するこれまでの研究では、チームには一連の共有ルーチンがあると想定されていましたが、このような状況ではそれが崩れてしまいます。
この研究では、認識論的論理を活用して、エージェントが実行可能な計画に関する互いの信念の矛盾を理解し、その矛盾を解決するために適応またはコミュニケーションするための行動を動的に計画できるようにします。
我々は、実行可能な計画と実行状態に関するエージェントの入れ子になった信念を明示的に表現するために、知識ベースを記述する条件付きドクスタスティックロジックを拡張する形式主義を提案します。
エージェントがアクションを計画するために、モンテカルロ ツリー検索に基づくオンライン実行アルゴリズムを提供します。これには、計画の実現可能性を説明し、意図を発表し、質問するためのコミュニケーション アクションも含まれます。
最後に、アルゴリズムの成功率とスケーラビリティを評価し、共有メンタル モデルの保証がなくても、エージェントがチームで作業する能力を備えていることを示します。

要約(オリジナル)

When agents collaborate on a task, it is important that they have some shared mental model of the task routines — the set of feasible plans towards achieving the goals. However, in reality, situations often arise that such a shared mental model cannot be guaranteed, such as in ad-hoc teams where agents may follow different conventions or when contingent constraints arise that only some agents are aware of. Previous work on human-robot teaming has assumed that the team has a set of shared routines, which breaks down in these situations. In this work, we leverage epistemic logic to enable agents to understand the discrepancy in each other’s beliefs about feasible plans and dynamically plan their actions to adapt or communicate to resolve the discrepancy. We propose a formalism that extends conditional doxastic logic to describe knowledge bases in order to explicitly represent agents’ nested beliefs on the feasible plans and state of execution. We provide an online execution algorithm based on Monte Carlo Tree Search for the agent to plan its action, including communication actions to explain the feasibility of plans, announce intent, and ask questions. Finally, we evaluate the success rate and scalability of the algorithm and show that our agent is better equipped to work in teams without the guarantee of a shared mental model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google