要約
自律型ロボットがますます複雑化する環境において、プラットフォームの劣化、環境の不確実性、検証された動作条件からの逸脱により、人間のパートナーがロボットの能力と限界を理解することが困難になることがあります。ダイナミックで不確実な環境において、ロボットが自らの能力を自己評価する能力は、人間とロボットのチームワークを成功させるための重要な次のステップとなるであろう。本研究では、自律型エージェントがタスク実行中にタスクの信頼性を動的に評価するためのイベントトリガー型一般化成果評価（ET-GOA）アルゴリズムを提示し評価する。このアルゴリズムは、エージェントの観測とそのモデル予測の高速オンライン統計テストを用いて、能力評価が必要なタイミングを決定する。我々は、ET-GOAを用いて、配送タスクのシミュレーション中に能力レポートを生成する実験結果を提供し、自己評価エージェントのための将来の研究方向を提案する。
要約(オリジナル)
As autonomous robots are deployed in increasingly complex environments, platform degradation, environmental uncertainties, and deviations from validated operation conditions can make it difficult for human partners to understand robot capabilities and limitations. The ability for a robot to self-assess its competency in dynamic and uncertain environments will be a crucial next step in successful human-robot teaming. This work presents and evaluates an Event-Triggered Generalized Outcome Assessment (ET-GOA) algorithm for autonomous agents to dynamically assess task confidence during execution. The algorithm uses a fast online statistical test of the agent’s observations and its model predictions to decide when competency assessment is needed. We provide experimental results using ET-GOA to generate competency reports during a simulated delivery task and suggest future research directions for self-assessing agents.
arxiv情報
| 著者 | Nicholas Conlon,Nisar R. Ahmed,Daniel Szafir |
| 発行日 | 2023-03-03 00:41:28+00:00 |
| arxivサイト | arxiv_id(pdf) |