To Ask or Not To Ask: Human-in-the-loop Contextual Bandits with Applications in Robot-Assisted Feeding

要約

ロボット支援の噛み付きの獲得には、さまざまな形状、コンプライアンス、サイズ、テクスチャで食品を拾うことが含まれます。
完全に自律的な戦略は、この多様性全体で効率的に一般化することはできません。
新しい食品に遭遇したときに、ケアの受信者からのフィードバックを活用することを提案します。
ただし、頻繁にクエリがユーザーにワークロードを課します。
コンテキストバンディットフレームワーク内でループインバイトの獲得を策定し、linucb-QGを導入します。これは、クエリの種類とタイミングに基づいてワークロードのクエリの予測モデルを使用して選択的に要求する方法です。
このモデルは、モビリティ制限のある14人の参加者、3人の作業療法士が物理的制限をシミュレートする3人の参加者、および89人の参加者が制限されていないオンライン調査で収集されたデータでトレーニングされています。
私たちの方法は、自律的で常にクエリのベースラインと比較して、タスクのパフォーマンスとクエリのワークロードのバランスをより良くし、モビリティの制限を持つユーザーのより高いワークロードを説明するためにクエリの動作を調整することを実証します。
シミュレートされた食品データセットでの実験と、重度のモビリティの制限を含む1人を含む19人の参加者を対象としたユーザー調査を通じて、これを検証します。
プロジェクトWebサイトをご覧ください：http：//emprise.cs.cornell.edu/hilbiteacquisition/

要約(オリジナル)

Robot-assisted bite acquisition involves picking up food items with varying shapes, compliance, sizes, and textures. Fully autonomous strategies may not generalize efficiently across this diversity. We propose leveraging feedback from the care recipient when encountering novel food items. However, frequent queries impose a workload on the user. We formulate human-in-the-loop bite acquisition within a contextual bandit framework and introduce LinUCB-QG, a method that selectively asks for help using a predictive model of querying workload based on query types and timings. This model is trained on data collected in an online study involving 14 participants with mobility limitations, 3 occupational therapists simulating physical limitations, and 89 participants without limitations. We demonstrate that our method better balances task performance and querying workload compared to autonomous and always-querying baselines and adjusts its querying behavior to account for higher workload in users with mobility limitations. We validate this through experiments in a simulated food dataset and a user study with 19 participants, including one with severe mobility limitations. Please check out our project website at: http://emprise.cs.cornell.edu/hilbiteacquisition/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google