[論文レビュー] "Can you do this?" Self-Assessment Dialogues with Autonomous Robots Before, During, and After a Mission

Tyler Frasca, Evan Krause+2 more|arXiv (Cornell University)|May 4, 2020

Reinforcement Learning in Robotics参考文献 6被引用数 6

ひとこと要約

本論文では、ミッションの前後および実行中に会話を行うことで、自律ロボットが自らの能力を内省し、タスクの成功確率を推定する自己評価フレームワークを提案する。このフレームワークはDIARCアーキテクチャに実装され、Naoロボットで実証された。タスクに特化した会話により、自己評価された熟練度を伝えることで、人間とロボットの協働の透明性と信頼性が向上する。

ABSTRACT

Autonomous robots with sophisticated capabilities can make it difficult for human instructors to assess its capabilities and proficiencies. Therefore, it is important future robots have the ability to: introspect on their capabilities and assess their task performance. Introspection allows the robot to determine what it can accomplish and self-assessment allows the robot estimate the likelihood it will accomplish at given task. We introduce a general framework for introspection and self-assessment that enables robots to have task and performance-based dialogues before, during, and after a mission. We then realize aspects of the framework in the cognitive robotic DIARC architecture, and finally show a proof-of-concept demonstration on a Nao robot showing its self-assessment capabilities before, during, and after an instructed task.

研究の動機と目的

• 高度な自律ロボットの能力を人間のインstructerが評価することに困難を抱えるという課題に対処する。
• ロボットが自らの能力を内省し、タスク実行の成功確率を自己評価できるようにする。
• ミッションの各段階（前、中、後）において、タスクおよびパフォーマンスに基づいた対話を可能にする汎用フレームワークを開発する。
• DIARCアーキテクチャを用いた実世界のロボットシステムで、自己評価対話の実現可能性を実証する。
• ロボットが自己評価を提供することで、人間とロボットの協働の透明性と信頼性を向上させる。

提案手法

• タスクの能力とパフォーマンス指標に基づいた、ロボットの内省と自己評価のための汎用フレームワークを設計する。
• DIARC認知的ロボットアーキテクチャにこのフレームワークを統合し、動的で文脈に適応した対話生成を可能にする。
• 人間の質問「あなたはこれができる？」に対して、自己評価された信頼性レベルで応答できる対話生成ロジックを実装する。
• タスク実行中のリアルタイムのパフォーマンスモニタリングを活用し、自己評価の推定値を動的に更新する。
• ミッション終了後の自己反省を可能にするため、ロボットがパフォーマンスを要約し、強みや失敗を特定できるようにする。
• Naoロボットを用いた概念実証を実施し、ミッションの全段階でタスク実行と自己評価対話が可能であることを確認する。

実験結果

リサーチクエスチョン

• RQ1 自律ロボットは、与えられたタスクを成功させる可能性をどのように自己評価できるか？
• RQ2 ミッションの前後および実行中に、人間のインstructerに自己評価された熟練度を伝えるために、どのような対話メカニズムが必要か？
• RQ3 DIARCのような認知的アーキテクチャは、動的で文脈に敏感な自己評価対話をサポートできるか？
• RQ4 ロボットの自己評価は、人間がロボットの能力を理解し、協働の効果を高めるのにどのように寄与するか？
• RQ5 実世界のロボットシステムに自己評価を実装する際の実用的課題は何か？

主な発見

• 提案されたフレームワークにより、ロボットは文脈に適した、タスクに特化した自己評価の応答を生成できるようになった。
• 本システムは、Naoロボットを用いて、ミッション前の計画段階、リアルタイム実行中、ミッション後の反省段階で、自己評価対話を成功裏に実証した。
• 実行中の自己評価により、ロボットはリアルタイムのパフォーマンスデータに基づき、タスク成功の信頼性を動的に更新できた。
• ミッション後の対話により、ロボットはタスクの結果を自己評価した説明とともに、成功や失敗を特定することができた。
• DIARCアーキテクチャへの統合は、内省的対話機能をサポートする上で実現可能かつスケーラブルであることが判明した。
• 概念実証により、自己評価対話が人間とロボットの協働における透明性と信頼性を向上させられることを示した。