Trust-Preserved Human-Robot Shared Autonomy enabled by Bayesian Relational Event Modeling

要約

自律性の共有は、ロボットがさまざまな自律性レベルにわたって動作できるようにする柔軟なフレームワークとして機能し、人間の監視を最小限に抑えながら効率的なタスクの実行を可能にします。
しかし、人間は、認識されたリスクや信頼の欠如により、ロボットの自律的な意思決定能力に怯える可能性があります。
この論文では、ロボットが自律性レベルをシームレスに調整できるようにする、信頼が保たれた共有自律性戦略を提案し、チームのパフォーマンスを最適化し、人間の協力者の間でロボットの受容性を高めるよう努めています。
この論文では、リレーショナル イベント モデリング フレームワークをベイジアン学習手法で強化することにより、人間とロボットのチーム内で通信されるタイムスタンプ付きのリレーショナル イベントのみに基づいて人間の信頼を動的に推論できるようにしています。
人間とロボットのチームにおける信頼の構築と調整に関する長期的な視点を採用し、提案された信頼維持共有自律戦略では、ロボットが単に受動的に人間の信頼に適応するのではなく、人間の信頼を積極的に確立、維持、修復することが保証されます。
人間とロボットの共同捜索および救助シナリオに関するユーザー調査を通じて、提案されたアプローチの有効性を検証します。
客観的および主観的な評価は、信頼の維持を考慮しないベースラインのアプローチと比較して、タスクの実行とユーザーの受容性の両方においてメリットがあることを示しています。

要約(オリジナル)

Shared autonomy functions as a flexible framework that empowers robots to operate across a spectrum of autonomy levels, allowing for efficient task execution with minimal human oversight. However, humans might be intimidated by the autonomous decision-making capabilities of robots due to perceived risks and a lack of trust. This paper proposed a trust-preserved shared autonomy strategy that allows robots to seamlessly adjust their autonomy level, striving to optimize team performance and enhance their acceptance among human collaborators. By enhancing the relational event modeling framework with Bayesian learning techniques, this paper enables dynamic inference of human trust based solely on time-stamped relational events communicated within human-robot teams. Adopting a longitudinal perspective on trust development and calibration in human-robot teams, the proposed trust-preserved shared autonomy strategy warrants robots to actively establish, maintain, and repair human trust, rather than merely passively adapting to it. We validate the effectiveness of the proposed approach through a user study on a human-robot collaborative search and rescue scenario. The objective and subjective evaluations demonstrate its merits on both task execution and user acceptability over the baseline approach that does not consider the preservation of trust.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google