[論文レビュー] Alternative Modes of Interaction in Proximal Human-in-the-Loop Operation of Robots

Tathagata Chakraborti, Sarath Sreedharan+2 more|arXiv (Cornell University)|Mar 27, 2017

EEG and Brain-Computer Interfaces参考文献 16被引用数 28

ひとこと要約

本稿では、リアルタイムのホログラフィックな意図投影とEEGに基づく感情フィードバックを用いて、近接的で協働的なタスクにおける拡張された人間-ロボットインタラクションシステムを提案する。ARベースの視覚的コミュニケーションとリアルタイムの神経信号モニタリングを組み合わせることで、ロボットは人間のいらだちを最小限に抑えるように行動を適応させることができ、EEGデータからのストレス信号を用いたブートストラップQラーニングにより、協働性が向上することを示している。

ABSTRACT

Ambiguity and noise in natural language instructions create a significant barrier towards adopting autonomous systems into safety critical workflows involving humans and machines. In this paper, we propose to build on recent advances in electrophysiological monitoring methods and augmented reality technologies, to develop alternative modes of communication between humans and robots involved in large-scale proximal collaborative tasks. We will first introduce augmented reality techniques for projecting a robot's intentions to its human teammate, who can interact with these cues to engage in real-time collaborative plan execution with the robot. We will then look at how electroencephalographic (EEG) feedback can be used to monitor human response to both discrete events, as well as longer term affective states while execution of a plan. These signals can be used by a learning agent, a.k.a an affective robot, to modify its policy. We will present an end-to-end system capable of demonstrating these modalities of interaction. We hope that the proposed system will inspire research in augmenting human-robot interactions with alternative forms of communications in the interests of safety, productivity, and fluency of teaming, particularly in engineered settings such as the factory floor or the assembly line in the manufacturing industry where the use of such wearables can be enforced.

研究の動機と目的

• 安全上のリスクが高く、構造的である工場の作業環境など、人間-ロボット間の通信に起因するインピーダンス不整合を解消すること。
• 自然言語に代わる直接的で視覚的かつ生理的フィードバックメカニズムを導入することで、人間-ロボットインタラクションにおける曖昧さとノイズを低減すること。
• 協働タスク実行中に人間の感情的・認知的状態を反映するEEG信号を用いて、ロボット行動のリアルタイムで閉ループな適応を可能にすること。
• 共有ARプロジェクションと感情フィードバックを統合することで、安全でスムーズな直感的協働を実現するシステムの開発。
• 人間が参加するロボット計画におけるEEGとARを用いたリアルタイムポリシー適応の実現可能性を評価すること。

提案手法

• ロボットは共有作業空間にインタラクティブなホログラム（例：ピックアップ記号）を投影することで、視線や選択による直接的人間との対話が可能となる。
• 人間の行動は意図信号として解釈され、人間の入力に基づいてロボットがリアルタイムで再計画を行う。
• 電気脳波（EEG）信号が、離散的イベント反応（例：P300）と持続的感情状態（例：いらだち）を検出するためにモニタリングされる。
• 要因分解された状態表現と報酬形状を用いたシミュレーテッドBlocksWorld環境で、Qラーニングエージェントを訓練する。
• シミュレーションで得られた初期のQ値テーブルを、現実世界の訓練におけるブートストラップポリシーとして使用し、人間のストレス信号を負の報酬として統合する。
• EEGフィードバックが学習ループに統合され、高いいらだちレベルが検出されると、負の感情を引き起こす行動を避けるポリシーの更新が行われる。

実験結果

リサーチクエスチョン

• RQ1 ロボットの意図のホログラフィックな投影は、近接的で協働的な人間-ロボット協働において、共有的で直感的な通信媒体として機能するか？
• RQ2 EEG信号は、ロボットタスク実行中に人間の感情状態をリアルタイムで効果的に検出できるか？
• RQ3 EEGからの感情フィードバックは、リアルタイムでロボットの意思決定ポリシーを形状づけるために活用可能か？
• RQ4 シミュレーションから得たポリシーをブートストラップすることで、現実世界の人間参加型学習における収束がどの程度向上するか？
• RQ5 プロジェクション認識計画と感情フィードバックが共同で、協働のなめらかさを向上させ、人間のストレスを低減する程度はいかほどか？

主な発見

• EEG由来の負の報酬を用いたQラーニングにより、人間が好む特定のブロックの使用を回避するロボットの学習に成功し、いらだちが低下した。
• シミュレーションでは、約800回の訓練イテレーションで、最適なポリシー（5ステップで目標到達）に収束した。
• シミュレーションから得たブートストラップQラーニングポリシーの使用により、現実世界の適応段階における訓練時間が顕著に短縮された。
• 初期の結果では、ロボットがリアルタイムのストレス信号に基づいて新しいポリシーを探索できることを示し、感情フィードバック統合の実現可能性が裏付けられた。
• 本システムは、ARプロジェクションとEEGフィードバックが、人間-ロボット協働のための閉ループ相互作用メカニズムを形成できることを示した。
• 予備的評価では、視覚的プロジェクションの価値がユーザーの熟練度に伴い低下する可能性があることが示唆され、適応型インターフェース設計の必要性が浮き彫りになった。