[論文レビュー] How to be Helpful? Implementing Supportive Behaviors for Human-Robot Collaboration.

Olivier Mangin, Alessandro Roncone+1 more|arXiv (Cornell University)|Oct 30, 2017

Robot Manipulation and Learning参考文献 27被引用数 4

ひとこと要約

本論文は、限られた周辺認知と不完全なタスクモデルのもとでも、ロボットが自律的かつ能動的に人間を支援できるプロアクティブな人間-ロボット協働フレームワークを提案する。共有の階層的タスクモデルを活用して部分的に観測可能なマルコフ決定過程（POMDP）を導出し、リアルタイムでロボット方策を計算することで、認識誤りや操作失敗が生じても、家具組立作業における効果的な支援が可能になる。

ABSTRACT

The field of Human-Robot Collaboration (HRC) has seen a considerable amount of progress in the recent years. Although genuinely collaborative platforms are far from being deployed in real-world scenarios, advances in control and perception algorithms have progressively popularized robots in manufacturing settings, where they work side by side with human peers to achieve shared tasks. Unfortunately, little progress has been made toward the development of systems that are proactive in their collaboration, and autonomously take care of some of the chores that compose most of the collaboration tasks. In this work, we present a collaborative system capable of assisting the human partner with a variety of supportive behaviors in spite of its limited perceptual and manipulation capabilities and incomplete model of the task. Our framework leverages information from a high-level, hierarchical model of the task. The model, that is shared between the human and robot, enables transparent synchronization between the peers and understanding of each other's plan. More precisely, we derive a partially observable Markov model from the high-level task representation. We then use an online solver to compute a robot policy, that is robust to unexpected observations such as inaccuracies of perception, failures in object manipulations, as well as discovers hidden user preferences. We demonstrate that the system is capable of robustly providing support to the human in a furniture construction task.

研究の動機と目的

• 現実世界の協働作業において、人間の共同作業者を能動的に支援できるロボットシステムの開発を目的とする。
• 不完全なタスクモデルや認識の不正確さがある中でも、人間の意図を推定し、行動を適応的に変更できるロボットの実現を目的とする。
• 人間とロボットの間で透明性と同期を保証する共有の高レベルタスク表現の構築を目的とする。
• 予期せぬ観測や隠れたユーザーの好みに対してもロバストな方策計算手法の設計を目的とする。
• 現実世界の不確実性を伴う状況下で、実際の家具建設作業においてシステムを評価することを目的とする。

提案手法

• 人間とロボットの間で共有される高レベルの階層的タスクモデルを用いることで、相互の計画理解と同期を可能にする。
• 階層的タスクモデルから部分的に観測可能なマルコフ決定過程（POMDP）を導出し、認識やタスク実行における不確実性を表現する。
• オンラインソルバーがリアルタイムでロボット方策を計算し、動的な変化や予期せぬ観測に適応可能にする。
• 方策は認識の不正確さや操作失敗に対してもロバストであり、隠れたユーザーの好みを推定できるように設計されている。
• 明示的な命令なしに、道具の持ち運びや部品の準備といった支援行動を自律的に行える。
• システムは観測に基づいて信念状態を継続的に更新し、人間のタスク進行状況と整合性を保つ。

実験結果

リサーチクエスチョン

• RQ1 ロボットの認識能力や操作能力に制限がある状況下で、どのように人間の共同作業者を能動的に支援できるか。
• RQ2 共有の階層的タスクモデルは、人間-ロボット協働における透明な同期と相互理解をどの程度可能にするか。
• RQ3 POMDPに基づく方策計算手法は、認識誤りやタスクレベルの曖昧さに起因する不確実性を効果的に扱えるか。
• RQ4 明示的なフィードバックが得られない状況下で、システムはどのように隠れたユーザーの好みに適応するか。
• RQ5 不完全なタスクモデルのもとで、実世界のアセンブリ作業においてロボットが自律的に支援行動を実行できるか。

主な発見

• ロボットは明示的な人間の命令なしに、家具建設作業において道具の持ち運びや部品の準備といった支援行動を効果的に実行した。
• タスク進行が期待と異なる場合でも、共有の階層的タスクモデリングにより人間の相手と同期を維持した。
• オンラインPOMDPソルバーのおかげで、認識の不正確さや操作失敗に対しても方策実行がロバストに保たれた。
• ロボットは隠れたユーザーの好みを推定し、明示的な好みの信号がなくても協働効率を向上させた。
• 不完全なタスクモデルや実世界の不確実性に対しても、フレームワークは耐性を示した。
• 実際の産業現場の環境でも信頼性の高い協働が達成され、HRCにおける能動的支援の実現可能性が検証された。