[論文レビュー] Building Second-Order Mental Models for Human-Robot Interaction

Connor Brooks, Daniel Szafır|arXiv (Cornell University)|Jan 1, 2019

Social Robot Interaction and HRI参考文献 51被引用数 13

ひとこと要約

本稿では、ロボットがグリッドワールドでの相互作用において人間の低レベルな行動を観測することで、ロボットの行動に関する人間の2次的メンタルモデル（信念）を推論するフレームワークを提案する。行動選択に対するベイジアン推論を用いることで、ノイズの多い分類にもかかわらず人間のメンタルモデルに関する情報を効果的に漏洩させることに成功し、行動ベースの推論による人間-ロボット相互作用の意識向上の可能性を示している。

ABSTRACT

The mental models that humans form of other agents---encapsulating human beliefs about agent goals, intentions, capabilities, and more---create an underlying basis for interaction. These mental models have the potential to affect both the human's decision making during the interaction and the human's subjective assessment of the interaction. In this paper, we surveyed existing methods for modeling how humans view robots, then identified a potential method for improving these estimates through inferring a human's model of a robot agent directly from their actions. Then, we conducted an online study to collect data in a grid-world environment involving humans moving an avatar past a virtual agent. Through our analysis, we demonstrated that participants' action choices leaked information about their mental models of a virtual agent. We conclude by discussing the implications of these findings and the potential for such a method to improve human-robot interactions.

研究の動機と目的

• 人間-ロボット相互作用中の低レベルな人間の行動が、ロボットに関する人間のメンタルモデルに関する情報をどのように露わにするかを調査すること。
• 観測された人間の行動を用いてロボットが2次的メンタルモデルに関するベイジアン推論を実行するフレームワークを開発すること。
• 推定されたモデルが人間-ロボット相互作用における目的推定や相互作用の意識向上に寄与するかどうかを評価すること。
• 人間のメンタルモデル推定のオープンループを閉じる可能性を検討するため、人間の行動を統合することの妥当性を検討すること。

提案手法

• 研究者たちは、参加者が事前に定義された行動をとる仮想ロボットエージェントを避けながらアバターを操作するグリッドワールド環境を設計した。
• 人間のロボットに関するメンタルモデルを表すために、4つの異なるエージェントモデル（静止型、固定目的型、追跡型、ランダム型）を定義した。
• 観測された行動シーケンスに基づいて、人間のロボットに関するモデルに関する信念を更新するためのベイジアン推論フレームワークを適用した。
• 行動選択を独立した観測として扱い、離散的行動選択から人間の潜在的メンタルモデルを確率的モデルで推論する手法を用いた。
• 40名の参加者を対象にオンライン研究を実施し、行動シーケンスを用いて参加者のエージェントに関する真のメンタルモデルを分類した。
• 行動ベースの推論を、目的とメンタルモデルの両方を同時に推定する共同モデルと組み合わせることで、目的推定精度への影響を評価した。

実験結果

リサーチクエスチョン

• RQ1 人間-エージェント相互作用中の低レベルな人間の行動選択が、人間のエージェントに関するメンタルモデルに関する情報を漏洩させることができるか？
• RQ2 観測された行動のみから、ロボットの行動に関する人間の2次的メンタルモデル（信念）をどの程度正確に推定できるか？
• RQ3 推定された2次的メンタルモデルを統合することで、人間-ロボット相互作用における目的推定精度が向上するか？
• RQ4 行動ベースの推論誤差に、メンタルモデル間の高次の認知的差異を反映する体系的なパターンが存在するか？

主な発見

• I-POMDP状態推定法は、参加者のエージェントに関する真のメンタルモデルの分類において、ランダム選択よりも顕著に優れており、行動選択が人間のメンタルモデルに関する情報を漏洩させることを示している。
• 分類精度は約50%であったが、情報は存在するものの、行動からの推論は依然としてノイズが多く、困難であることが示された。
• 誤りのマトリクス分析から、「安全」とされるモデル（静止型、固定目的型）と「危険」とされるモデル（ランダム型、追跡型）の間で誤りが集中していることが判明し、行動が抽象的な安全性の認識をエンコードしている可能性が示唆された。
• エージェントを固定対象として扱う場合と比較して、目的推定精度にわずかな向上が見られたが、統計的に有意な差は認められなかった。
• 短時間で非能動的な相互作用であっても、行動ベースの推論による2次的メンタルモデリングの可能性が裏付けられた。
• 人間がロボットをどのように認識しているかに関する情報が、エージェントの実際の行動とは独立して、個々の行動選択に埋め込まれていることが証明された。