Explaining Autonomy: Enhancing Human-Robot Interaction through Explanation Generation with Large Language Models

要約

この論文では、ヒューマン ロボット インタラクション (HRI) において自律ロボットによって実行される動作の説明を生成するように設計されたシステムを紹介します。
ロボット工学における説明可能性は、eXplainable Autonomous Robot (XAR) の概念にカプセル化されており、成長している研究分野です。
このホワイトペーパーで説明する作業は、自然言語処理タスクを実行する際に大規模言語モデル (LLM) の機能を活用することを目的としています。
この研究は、自律システムのログから収集されたデータを解釈する検索拡張生成 (RAG) 手法と組み合わせて、このようなモデルを使用して説明を生成する可能性に焦点を当てています。
さらに、この研究は、提案された説明システムの形式化も示しています。
この製品は、ヨーロッパ全体のソーシャル ロボット競技会であるヨーロッパ ロボティクス リーグ (ERL) のナビゲーション テストを通じて評価されています。
得られた結果については、技術ユーザーの視点から説明の質を測る検証アンケートを実施しました。
実験中に得られた結果は、ロボットで説明能力を実現する上での LLM の潜在的な有用性を強調しています。

要約(オリジナル)

This paper introduces a system designed to generate explanations for the actions performed by an autonomous robot in Human-Robot Interaction (HRI). Explainability in robotics, encapsulated within the concept of an eXplainable Autonomous Robot (XAR), is a growing research area. The work described in this paper aims to take advantage of the capabilities of Large Language Models (LLMs) in performing natural language processing tasks. This study focuses on the possibility of generating explanations using such models in combination with a Retrieval Augmented Generation (RAG) method to interpret data gathered from the logs of autonomous systems. In addition, this work also presents a formalization of the proposed explanation system. It has been evaluated through a navigation test from the European Robotics League (ERL), a Europe-wide social robotics competition. Regarding the obtained results, a validation questionnaire has been conducted to measure the quality of the explanations from the perspective of technical users. The results obtained during the experiment highlight the potential utility of LLMs in achieving explanatory capabilities in robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google