Influence-Based Reward Modulation for Implicit Communication in Human-Robot Interaction

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、暗黙のコミュニケーションは、ロボットの人間のニーズ、感情、意図に対する理解を高める可能性を秘めています。
このペーパーでは、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することなく、HRIでの暗黙のコミュニケーションを促進する方法を紹介します。
移転エントロピーを活用すると、コラボレーションまたは競争を含むシナリオで、社会的相互作用におけるエージェント間の影響を調節します。
部分的に観察可能なマルコフ決定プロセス内でエージェントの報酬に影響力を統合することにより、影響力がコラボレーションを強化し、抵抗する影響力がパフォーマンスを低下させることを実証します。
私たちの調査結果は、ソーシャルナビゲーション設定の人間の参加者とのシミュレーションと現実世界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 holds the potential to enhance robots’ understanding of human needs, emotions, and intentions. This paper introduces a method to foster implicit communication in HRI without explicitly modelling 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, while resisting influence diminishes performance. Our findings are validated through simulations and real-world experiments with human participants in social navigation settings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google