[論文レビュー] Learning to Engage with Interactive Systems: A field Study

Lingheng Meng, Daiwei Lin+4 more|arXiv (Cornell University)|Apr 14, 2019

Embodied and Extended Cognition被引用数 4

ひとこと要約

本論文では、行動的兆候から人間の関与度を推定し、それを用いて物理的エージェントにおける適応的で魅力的な対話を学習する強化学習フレームワークを提案する。博物館環境におけるインタラクティブな彫刻を用いた評価では、スクリプト化された行動よりも関与度と好ましさが優れており、自然環境における適応的対話戦略の学習の有効性を示している。

ABSTRACT

Physical agents that can autonomously generate engaging, life-like behaviour will lead to more responsive and interesting robots and other autonomous systems. Although many advances have been made for one-to-one interactions in well controlled settings, future physical agents should be capable of interacting with humans in natural settings, including group interaction. In order to generate engaging behaviours, the autonomous system must first be able to estimate its human partners' engagement level. In this paper, we propose an approach for estimating engagement from behaviour and use the measure within a reinforcement learning framework to learn engaging interactive behaviours. The proposed approach is implemented in an interactive sculptural system in a museum setting. We compare the learning system to a baseline using pre-scripted interactive behaviours. Analysis based on sensory data and survey data shows that adaptable behaviours within a perceivable and understandable range can achieve higher engagement and likeability.

研究の動機と目的

• 物理的エージェントとの対話中にリアルタイムで人間の関与度を推定する手法を開発すること。
• 関与度を報酬信号として用いることで、自律的システムが強化学習を用いて魅力的な行動を学習できるようにすること。
• 自然で制御されていない環境、例えば博物館のような場において、学習された適応的行動と事前にスクリプトされた対話行動の有効性を比較評価すること。

提案手法

• システムは、人間との対話中にセンサーから収集した行動的兆候を用いて関与度を推定する。
• 強化学習フレームワークは、関与度の推定値を報酬信号として用い、対話行動を最適化する。
• 学習プロセスは、一般の博物館環境を想定したインタラクティブな彫刻システムに実装されている。
• システムは関与度推定からのフィードバックに基づき、リアルタイムで行動を適応させるため、動的な対話が可能になる。
• ベースライン比較では、事前にスクリプトされた非適応的行動を用いて性能を評価する。
• 関与度と好ましさの結果を検証するために、センサーのデータとユーザーのアンケートを収集する。

実験結果

リサーチクエスチョン

• RQ1 自然で非構造的な人間-物理的エージェント対話において、行動データから関与度を信頼性高く推定できるか？
• RQ2 関与度推定に基づく強化学習による適応的行動の学習は、事前にスクリプトされた行動よりも高いユーザー関与度をもたらすか？
• RQ3 公共の場において、ユーザーは適応的行動とスクリプト化された行動の両者をどのように評価し、好ましさをどのように判断するか？

主な発見

• 強化学習を用いて学習された適応的行動は、事前にスクリプトされた行動よりも顕著に高いユーザー関与度をもたらした。
• ユーザーは、学習ベースのシステムに対して、ベースラインのスクリプト化されたシステムよりも高い好ましさを報告した。
• 関与度推定モデルは、対話中のユーザーの関心の変化を効果的に捉えていた。
• システムがリアルタイムで適応できることにより、より自然で魅力的な対話が実現した。
• センサーのデータとアンケート結果が一致して、学習フレームワークの実世界での有効性を検証した。
• 本研究では、認識可能で理解可能な行動の適応が、公共のインタラクティブシステムにおけるユーザー体験を向上させることを示している。