CoBaIR: A Python Library for Context-Based Intention Recognition in Human-Robot-Interaction

要約

ロボットが私たちの生活のあらゆる側面に急速に統合される世界では、ヒューマン・ロボット・インタラクション（HRI）の重要性がますます高まっていますが、HRI のアプリケーションは、利用されるロボット システム、導入環境、文化の違いに大きく依存します。
これらの変数の依存関係のため、データ駆動型のアプローチを使用して人間の意図を認識するモデルをトレーニングすることは、多くの場合現実的ではありません。
エキスパート システムは、このギャップを非常に効率的に埋めることが証明されています。
さらに、HRI システムへの信頼を確立するには、HRI システムの理解をサポートすることが重要です。
HRI における上記の課題に対処するために、現在の最先端のコンテキスト認識モデルを統合できる適応可能な Python ライブラリを紹介します。
コンテキストベースの意図認識には、2 層のベイジアン ネットワーク (BN) が使用されます。
ベイジアン アプローチは、シナリオの作成において説明可能性と明確さを提供し、より多くのモダリティで簡単に拡張できます。
さらに、データが利用できない場合はエキスパート システムとして使用できますが、データが利用可能になったときに微調整することもできます。

要約(オリジナル)

Human-Robot Interaction (HRI) becomes more and more important in a world where robots integrate fast in all aspects of our lives but HRI applications depend massively on the utilized robotic system as well as the deployment environment and cultural differences. Because of these variable dependencies it is often not feasible to use a data-driven approach to train a model for human intent recognition. Expert systems have been proven to close this gap very efficiently. Furthermore, it is important to support understandability in HRI systems to establish trust in the system. To address the above-mentioned challenges in HRI we present an adaptable python library in which current state-of-the-art Models for context recognition can be integrated. For Context-Based Intention Recognition a two-layer Bayesian Network (BN) is used. The bayesian approach offers explainability and clarity in the creation of scenarios and is easily extendable with more modalities. Additionally, it can be used as an expert system if no data is available but can as well be fine-tuned when data becomes available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google