[論文レビュー] Effects of Interruptibility-Aware Robot Behavior

Siddhartha Banerjee, Andrew Silva+2 more|arXiv (Cornell University)|Apr 17, 2018

Personal Information Management and User Behavior参考文献 26被引用数 3

ひとこと要約

本論文では、オンボードのコンピュータビジョンを用いて社会的・文脈的キューを検出し、最適な中断時刻を予測する、最初の中断可能性に配慮したモバイルロボットシステムを提示する。大規模なユーザースタディの結果、中断可能性に配慮したロボットは、より少ない頻度で、かつより適切なタイミングで中断を行う一方で、人間のタスクパフォーマンスに悪影響を及げず、ロボットのタスク効率と人間がロボットの社会的適応性をどのように評価するかを顕著に向上させた。

ABSTRACT

As robots become increasingly prevalent in human environments, there will inevitably be times when a robot needs to interrupt a human to initiate an interaction. Our work introduces the first interruptibility-aware mobile robot system, and evaluates the effects of interruptibility-awareness on human task performance, robot task performance, and on human interpretation of the robot's social aptitude. Our results show that our robot is effective at predicting interruptibility at high accuracy, allowing it to interrupt at more appropriate times. Results of a large-scale user study show that while participants are able to maintain task performance even in the presence of interruptions, interruptibility-awareness improves the robot's task performance and improves participant social perception of the robot.

研究の動機と目的

• オンボードセンサーのみを用いて人間の中断可能性を自動的に分類できるモバイルロボットシステムの開発。
• 中断可能性に配慮した行動が人間のタスクパフォーマンス、ロボットのタスクパフォーマンス、社会的認識に与える影響の評価。
• 人間の文脈および社会的キューに基づいて中断のタイミングを最適化することで、全体のシステム効率とユーザーエクスペリエンスが向上するかの検証。
• 外部センサーやユーザーデバイスを用いずに、実世界の人間-ロボットインタラクションのシナリオにこのようなシステムを展開可能かどうかの検証。

提案手法

• システムは、オンボードのRGB-Dカメラから高レベルの社会的・文脈的キュー（例：視線、姿勢、行動）を抽出するために、複数の最先端のコンピュータビジョン検出器を用いる。
• 外部センサーやユーザータグの必要なしに、シーン解析から得られる視覚特徴を用いて、リアルタイムで人間の中断可能性を分類する。
• ロボットは学習された中断可能性モデルを用いて、インタラクションを開始する最適な時刻を決定し、中断可能性が高いかつての瞬間を優先する。
• 42名の参加者を対象に、模擬製造環境で実施されたユーザースタディでは、3つの条件（中断可能性に配慮したロボット：MDL、観察者によるウィザード：WOZ、ランダム中断：RND）を比較した。
• 中断タイミングは、継続時間とラグ（要求から応答までの時間）に基づいて評価され、タスクスループットと社会的認識の指標でパフォーマンスを測定した。
• 社会的認識は、思いやりのある行動について9段階リッカート尺度で評価され、統計解析にはクラスカル＝ウォリス検定およびFDR補正を施した後続のウィルコクソン検定が用いられた。

実験結果

リサーチクエスチョン

• RQ1 オンボードの視覚センサーや外部インストルメンテーションを一切用いずに、モバイルロボットが人間の中断可能性を正確に予測できるか。
• RQ2 中断可能性に配慮した中断タイミングが、ランダムまたは非配慮型の中断戦略と比較して、ロボットのタスクパフォーマンスを向上させるか。
• RQ3 中断可能性に配慮した行動が、並行して実行される人間のタスクパフォーマンスに影響を及ぼすか。
• RQ4 中断可能性に配慮した行動が、人間がロボットの社会的適応性や思いやりの態度をどのように評価するかに与える影響は何か。

主な発見

• 中断可能性に配慮したシステムは、外部センサーや外部インストルメンテーションを一切使用せず、オンボードの視覚データのみを用いても高い精度で中断可能性を予測でき、外部センサーやタグなしでの自律的分類の可能性を示した。
• MDL条件のロボットは、より少ない頻度で、かつより適切なタイミングで中断を行い、ラグの中央値を48.2秒のRND条件と比較して21.0秒にまで短縮した。
• タイミングの改善にもかかわらず、各条件間で人間のタスクスループットに有意差は認められず、人間が作業負荷を調整し、必要に応じて中断を無視することを支持する仮説が裏付けられた。
• MDL条件のロボットはRND条件よりも優れたタスクパフォーマンスを示し、顕著に低い中断ラグと、生産的でないやり取りに費やす時間が短縮された。
• 参加者は、中断可能性に配慮したロボット（MDL）を、ランダム中断ロボット（RND）よりも顕著に思いやりがあると評価し、9段階尺度での中央値社会的認識スコアはそれぞれ7対4であった。
• WOZ条件（人間のウィザードが中断可能性に配慮した行動を模倣）は、社会的認識スコアが最も高く（中央値9）、適切なタイミングでのインタラクションが好まれる傾向が強いことを示した。