Leveraging Systems and Control Theory for Social Robotics: A Model-Based Behavioral Control Approach to Human-Robot Interaction

要約

ソーシャルロボット（SRS）は、その役割に関連する適切な社会的行動を示す一方で、人間と自律的に相互作用する必要があります。
ヘルスケア、教育、および交際に貢献することにより、SRSは生活の質を向上させます。
ただし、人間の精神状態に対する理解が限られているため、パーソナライズとユーザーエンゲージメントの維持は、SRSにとって依然として課題となっています。
したがって、SRSの人間の知覚、認知、意思決定の最近導入された数学的動的モデルを活用します。
このモデルのパラメーターを特定し、SRSの行動ステアリングシステムに展開することで、SRSの応答をユーザーの精神状態の進化に効果的にパーソナライズし、長期的なエンゲージメントとパーソナライズを強化できます。
私たちのアプローチは、目に見えない精神状態のダイナミクスをモデル化することにより、SRSの自律的な適応性をユニークに可能にし、SRSの透明性と認識に大きく貢献します。
モデルベースの制御システムは、それぞれ45〜90分の3つのチェスパズルセッションでNAOロボットと対話した10人の参加者との実験で検証しました。
特定されたモデルは、参加者の信念、目標、および感情を追跡する際に、0.067（つまり、可能な最大MSEの1.675％）の平均二乗誤差（MSE）を達成しました。
参加者の精神状態を追跡しなかったモデルのないコントローラーと比較して、私たちのアプローチは平均して16％増加しました。
参加者の相互作用後のフィードバック（専用アンケートを介して提供）により、モデル駆動型ロボットの知覚されたエンゲージメントと認識がさらに確認されました。
これらの結果は、モデルベースのアプローチのユニークな可能性と、人間とSRの相互作用を進める際の制御理論を強調しています。

要約(オリジナル)

Social robots (SRs) should autonomously interact with humans, while exhibiting proper social behaviors associated to their role. By contributing to health-care, education, and companionship, SRs will enhance life quality. However, personalization and sustaining user engagement remain a challenge for SRs, due to their limited understanding of human mental states. Accordingly, we leverage a recently introduced mathematical dynamic model of human perception, cognition, and decision-making for SRs. Identifying the parameters of this model and deploying it in behavioral steering system of SRs allows to effectively personalize the responses of SRs to evolving mental states of their users, enhancing long-term engagement and personalization. Our approach uniquely enables autonomous adaptability of SRs by modeling the dynamics of invisible mental states, significantly contributing to the transparency and awareness of SRs. We validated our model-based control system in experiments with 10 participants who interacted with a Nao robot over three chess puzzle sessions, 45 – 90 minutes each. The identified model achieved a mean squared error (MSE) of 0.067 (i.e., 1.675% of the maximum possible MSE) in tracking beliefs, goals, and emotions of participants. Compared to a model-free controller that did not track mental states of participants, our approach increased engagement by 16% on average. Post-interaction feedback of participants (provided via dedicated questionnaires) further confirmed the perceived engagement and awareness of the model-driven robot. These results highlight the unique potential of model-based approaches and control theory in advancing human-SR interactions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google