Mixed-Initiative Human-Robot Teaming under Suboptimality with Online Bayesian Adaptation

要約

人間とエージェントを効果的にチーム化するには、ロボットやその他の人工知能 (AI) エージェントが人間のパートナーの能力と行動反応パターンを推測し、それに応じて適応する必要があります。
これまでの作品のほとんどは、1 人以上のチームメイトが最適に近い行動を取れるという非現実的な仮定を立てていました。
実際のコラボレーションでは、特にそれぞれが部分的なドメイン知識しか持っていない場合、人間と自律エージェントは最適ではない可能性があります。
この研究では、人間とエージェントの能力が非対称であり、環境知識が不完全であるために最適に行動しない、最適ではない人間とエージェントのチームのパフォーマンスを向上させるための計算モデリングおよび最適化手法を開発します。
私たちはオンライン ベイジアン アプローチを採用し、ロボットが逐次意思決定ゲームにおいてロボットの支援に従う人々の意欲を推測できるようにします。
私たちのユーザー調査では、ユーザーの好みとチームのパフォーマンスは実際にロボットの介入スタイルによって異なることが示されており、混合イニシアティブコラボレーションに対する私たちのアプローチは、客観的なチームのパフォーマンス ($p<.001$) とユーザーの信頼などの主観的な尺度 ($p<.001$) を向上させます。 001$) とロボットの知覚された好感度 ($p<.001$)。

要約(オリジナル)

For effective human-agent teaming, robots and other artificial intelligence (AI) agents must infer their human partner’s abilities and behavioral response patterns and adapt accordingly. Most prior works make the unrealistic assumption that one or more teammates can act near-optimally. In real-world collaboration, humans and autonomous agents can be suboptimal, especially when each only has partial domain knowledge. In this work, we develop computational modeling and optimization techniques for enhancing the performance of suboptimal human-agent teams, where the human and the agent have asymmetric capabilities and act suboptimally due to incomplete environmental knowledge. We adopt an online Bayesian approach that enables a robot to infer people’s willingness to comply with its assistance in a sequential decision-making game. Our user studies show that user preferences and team performance indeed vary with robot intervention styles, and our approach for mixed-initiative collaborations enhances objective team performance ($p<.001$) and subjective measures, such as user's trust ($p<.001$) and perceived likeability of the robot ($p<.001$).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google