[論文レビュー] Exploring Model Predictive Control to Generate Optimal Control Policies for HRI Dynamical Systems

Steven Jens Jorgensen, Orion Campbell+4 more|arXiv (Cornell University)|Jan 13, 2017

Social Robot Interaction and HRI参考文献 17被引用数 3

ひとこと要約

本論文は、生産性、作業負荷、つながり、不快感のコスト関数を備えた線形ダイナミカルシステムとしてHRIシナリオをモデル化することで、人間を意識した制御方策を生成するため、混合整数モデル予測制御（MPC）の使用を提案している。この手法はシミュレーションおよび人間型ロボット上ですべての意図された行動を成功裏に生成したが、つながりを最大化した際には目線接触が25％増加した一方で、人間実験では認識されたつながりに有意差は認められなかった。

ABSTRACT

We model Human-Robot-Interaction (HRI) scenarios as linear dynamical systems and use Model Predictive Control (MPC) with mixed integer constraints to generate human-aware control policies. We motivate the approach by presenting two scenarios. The first involves an assistive robot that aims to maximize productivity while minimizing the human's workload, and the second involves a listening humanoid robot that manages its eye contact behavior to maximize "connection" and minimize social "awkwardness" with the human during the interaction. Our simulation results show that the robot generates useful behaviors as it finds control policies to minimize the specified cost function. Further, we implement the second scenario on a humanoid robot and test the eye contact scenario with 48 human participants to demonstrate and evaluate the desired controller behavior. The humanoid generated 25% more eye contact when it was told to maximize connection over when it was told to maximize awkwardness. However, despite showing the desired behavior, there was no statistical difference between the participant's perceived connection with the humanoid.

研究の動機と目的

• 制御理論的最適化に適した線形ダイナミカルシステムとして、人間-ロボットインタラクション（HRI）シナリオをモデル化すること。
• 混合整数制約を用いたモデル予測制御（MPC）による認知フィードバック制御器を開発し、人間を考慮した行動を生成すること。
• MPCが、生産性、作業負荷、つながり、社会的不快感のバランスをとる最適な制御ポリシーを生成できるかどうかを評価すること。
• 人間を含むフィードバックループを用いた実験を通じて、シミュレーションおよび実際の人間型ロボット上でのアプローチの妥当性を検証すること。
• MPCによって生成されたロボット行動が、社会的HRIにおける人間のつながりや快適さの認識に意味的に影響を与えるかどうかを調査すること。

提案手法

• 人間の作業負荷、バッテリー残量、目線接触、つながり／不快感の指標を状態変数として用い、HRIシナリオを線形ダイナミカルシステムとして定式化する。
• 状況に応じて、高い作業負荷、低い生産性、不快感、低いつながりをペナルティとするコスト関数を定義する。
• 実数値制約とバイナリ制約（例：バッテリーが十分でない限りロボットは移動できない）を満たす最適化問題を解くために、混合整数MPCを実装する。
• 凸最適化フレームワーク（CVXPYとGurobi）を用い、3Hzの制御ループでリアルタイムにMPC問題を解く。
• 目線接触検出を手動入力でシミュレートするため、ウィザード・オブ・オズの手法を用いて人間型ロボットに制御器をデプロイする。
• 社会的認知理論および行動ダイナミクスに基づく直感的なパrameter設定から、MPCモデルをチューニングする。

実験結果

リサーチクエスチョン

• RQ1 HRIシナリオは、最適制御に適した線形ダイナミカルシステムとして効果的にモデル化可能か？
• RQ2 混合整数MPCは、支援的HRIにおける生産性と人間の作業負荷という相反する目的をバランスさせる制御ポリシーを生成できるか？
• RQ3 MPCは、つながりを最大化し不快感を最小化するような社会的適応行動（例：目線接触）を生成できるか？
• RQ4 ロボットのMPCによって生成された行動は、社会的HRIにおける人間のつながり、快適さ、関心の認識に顕著に影響を与えるか？
• RQ5 ハードウェア制限や制御ループの遅延などの実装要因は、MPCによって生成されたHRI行動の認識された有効性にどのように影響を与えるか？

主な発見

• つながりを最大化するように指示された際、MPCコントローラーは不快感を最大化する場合と比較して、目線接触を約25％増加させた。
• 目線接触の増加にもかかわらず、参加者による認識されたつながり、快適さ、満足度、関心に有意差は認められなかった。
• 相関分析の結果、ロボット行動とアンケート回答との間に非常に低い決定係数（R²：0.002〜0.012）が観察され、相関関係はほとんどなかった。
• 参加者の自由記述フィードバックは、ロボットが不快感を最大化するようにプログラムされた際、より否定的であった。これは、統計的有意差がなくても、質的認識の差が存在することを示唆している。
• 人間型ロボットのまぶたモーターがテスト中に故障したが、これは結果に影響を与えた可能性があり、ハードウェア制限が結果に影響を与えた可能性を示している。
• 多くの参加者が、バックチャンネリング（例：うなずき、声の合図）をロボットが使用することを予想しており、現行の目線接触モデルだけでは深い社会的つながりを実現するには不十分であることが示唆された。