Effects of Robot Competency and Motion Legibility on Human Correction Feedback

要約

ロボットの導入がより一般的になるにつれて、人々はロボットに直接教えるのではなく、ロボットを監督する（つまり、間違いを正す）役割を担うようになるでしょう。
Learning from Corrections (LfC) に関するこれまでの研究は、人間のフィードバックを解釈するために 3 つの重要な前提に依存していました。(1) タスクの目的に重大な相違がある場合にのみ、人間はロボットを修正します。
(2) 人々は修正が必要かどうかを正確に予測できます。
(3) 人々は修正を行う際に、精度と肉体的労力をトレードオフにします。
この研究では、2 つの重要な要素 (ロボットの能力と動作の可読性) が、人々が修正フィードバックを提供する方法にどのように影響するか、およびこれらの既存の仮定に対するそれらの影響を研究します。
私たちは、参加者がピックアンドプレイスタスクを実行するロボットを監視および修正する LfC 設定の下でユーザー調査 ($N=60$) を実施します。
動作が読みやすく ($p=0.0015$)、予測可能 ($p=0.0055$) である場合、人々は無能なロボットに比べて、非常に有能なロボットによる最適でない動作に対してより敏感であることがわかりました。
さらに、人は無能なロボットを監督する場合には必要な修正を差し控える傾向があり ($p < 0.0001$)、有能なロボットを監督する場合には不必要な修正を提供する傾向が高くなります ($p = 0.0171$)。 また、身体的努力が矯正精度と正の相関関係があることもわかり、この共通の仮定を裏付ける経験的証拠が得られます。 また、この相関関係は、予測可能な動作を持つ無能なロボットよりも、判読可能な動作を持つ無能なロボットの方が大幅に弱いこともわかりました ($p = 0.0075$)。 私たちの調査結果は、ロボットのインタラクション動作を設計し、修正からタスクの目標を学習する際に、能力と可読性を考慮するための洞察を提供します。

要約(オリジナル)

As robot deployments become more commonplace, people are likely to take on the role of supervising robots (i.e., correcting their mistakes) rather than directly teaching them. Prior works on Learning from Corrections (LfC) have relied on three key assumptions to interpret human feedback: (1) people correct the robot only when there is significant task objective divergence; (2) people can accurately predict if a correction is necessary; and (3) people trade off precision and physical effort when giving corrections. In this work, we study how two key factors (robot competency and motion legibility) affect how people provide correction feedback and their implications on these existing assumptions. We conduct a user study ($N=60$) under an LfC setting where participants supervise and correct a robot performing pick-and-place tasks. We find that people are more sensitive to suboptimal behavior by a highly competent robot compared to an incompetent robot when the motions are legible ($p=0.0015$) and predictable ($p=0.0055$). In addition, people also tend to withhold necessary corrections ($p < 0.0001$) when supervising an incompetent robot and are more prone to offering unnecessary ones ($p = 0.0171$) when supervising a highly competent robot. We also find that physical effort positively correlates with correction precision, providing empirical evidence to support this common assumption. We also find that this correlation is significantly weaker for an incompetent robot with legible motions than an incompetent robot with predictable motions ($p = 0.0075$). Our findings offer insights for accounting for competency and legibility when designing robot interaction behaviors and learning task objectives from corrections.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google