要約
人間と複数のロボットの間の相互作用と共同作業は、ヒューマン マルチロボット システムとして知られる新しい研究分野を代表します。
この分野で適切に設計されたシステムにより、人間とロボットの両方で構成されるチームが、監視、探索、捜索救助活動などのタスクで効果的に連携できるようになります。
この論文では、特に複数人、複数ロボットのチーム向けの、深層強化学習ベースの感情的ワークロード割り当てコントローラーを紹介します。
提案されたコントローラーは、マルチロボット システムによる共同ミッション中にオペレーターのパフォーマンスに基づいてワークロードを動的に再割り当てできます。
オペレーターのパフォーマンスは、自己申告アンケートのスコア (つまり、主観的な測定) と、生理学的データと行動データを使用した深層学習ベースの認知作業負荷予測アルゴリズムの結果 (つまり、客観的な測定) を通じて評価されます。
提案されたコントローラーの有効性を評価するために、例として複数人、複数ロボットの CCTV 監視タスクを使用し、定量的測定と定性的分析の両方のために 32 人の被験者を対象とした包括的な実世界実験を実行します。
私たちの結果は、提案されたコントローラーのパフォーマンスと有効性を実証し、複数人、複数ロボットのチームのパフォーマンスを向上させるためには、オペレーターの認知ワークロードの主観的および客観的測定の両方を組み込むこと、およびワークロードの移行に対する同意を求めることの重要性を強調しています。
要約(オリジナル)
The interaction and collaboration between humans and multiple robots represent a novel field of research known as human multi-robot systems. Adequately designed systems within this field allow teams composed of both humans and robots to work together effectively on tasks such as monitoring, exploration, and search and rescue operations. This paper presents a deep reinforcement learning-based affective workload allocation controller specifically for multi-human multi-robot teams. The proposed controller can dynamically reallocate workloads based on the performance of the operators during collaborative missions with multi-robot systems. The operators’ performances are evaluated through the scores of a self-reported questionnaire (i.e., subjective measurement) and the results of a deep learning-based cognitive workload prediction algorithm that uses physiological and behavioral data (i.e., objective measurement). To evaluate the effectiveness of the proposed controller, we use a multi-human multi-robot CCTV monitoring task as an example and carry out comprehensive real-world experiments with 32 human subjects for both quantitative measurement and qualitative analysis. Our results demonstrate the performance and effectiveness of the proposed controller and highlight the importance of incorporating both subjective and objective measurements of the operators’ cognitive workload as well as seeking consent for workload transitions, to enhance the performance of multi-human multi-robot teams.
arxiv情報
| 著者 | Wonse Jo,Ruiqi Wang,Baijian Yang,Dan Foti,Mo Rastgaar,Byung-Cheol Min |
| 発行日 | 2024-10-30 14:55:39+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google