Model-free Legibility: Enhancing Human-Robot Interactions through Implicit Communication and Influence Modulation

要約

相互作用を成功させるにはコミュニケーションが不可欠です。
人間とロボットの相互作用では、暗黙的なコミュニケーションにより、ロボットによる人間のニーズ、感情、意図の理解が強化されます。
この論文では、人間の意図を明示的にモデル化したり、既存の知識に依存したりせずに、HRI で暗黙的なコミュニケーションを促進する方法を紹介します。
転移エントロピーを利用して、協力または競争のいずれかを含むシナリオでの社会的相互作用におけるエージェント間の影響を調整します。
部分的に観察可能なマルコフ決定プロセス内で影響力をエージェントの報酬に統合することにより、影響力を高めると協力や競争のパフォーマンスが向上し、影響力に抵抗するとパフォーマンスが低下することを示します。
私たちの発見は、シミュレーションと人間の参加者による実際の実験を通じて検証されています。

要約(オリジナル)

Communication is essential for successful interaction. In human-robot interaction, implicit communication enhances robots’ understanding of human needs, emotions, and intentions. This paper introduces a method to foster implicit communication in HRI without explicitly modeling human intentions or relying on pre-existing knowledge. Leveraging Transfer Entropy, we modulate influence between agents in social interactions in scenarios involving either collaboration or competition. By integrating influence into agents’ rewards within a partially observable Markov decision process, we demonstrate that boosting influence enhances collaboration or competition performance, while resisting influence diminishes performance. Our findings are validated through simulations and real-world experiments with human participants.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google