Ravestate: Distributed Composition of a Causal-Specificity-Guided Interaction Policy

要約

人間とロボットのインタラクションポリシー設計において、ルールベースの手法は効率的で、説明可能で、表現力があり、直感的である。本論文では、ルールベースのシンボルシステム設計に関する先行研究を改良し、因果経路自己情報と呼ばれる新しいベイズ的な相互作用ルールの有用性の概念を導入した、信号-ルール-スロットフレームワークを紹介する。我々は、厳密な理論的基礎と、豊富なオープンソースの参照実装Ravestateを提供し、テキスト、音声、視覚ベースのシナリオにおけるユーザスタディを実施する。実験の結果、確率的な情報に基づいたルールベースのシステムの頑健な文脈に基づいた振る舞いが示され、より効果的な人間と機械のインタラクションへの道が開かれた。

要約(オリジナル)

In human-robot interaction policy design, a rule-based method is efficient, explainable, expressive and intuitive. In this paper, we present the Signal-Rule-Slot framework, which refines prior work on rule-based symbol system design and introduces a new, Bayesian notion of interaction rule utility called Causal Pathway Self-information. We offer a rigorous theoretical foundation as well as a rich open-source reference implementation Ravestate, with which we conduct user studies in text-, speech-, and vision-based scenarios. The experiments show robust contextual behaviour of our probabilistically informed rule-based system, paving the way for more effective human-machine interaction.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL