[論文レビュー] Methodologies for realizing natural-language-facilitated human-robot cooperation: A review.

Rui Liu, Xiaoli Zhang|arXiv (Cornell University)|Jan 30, 2017

AI in Service Interactions被引用数 6

ひとこと要約

本論文は、自然言語を介した人間-ロボット協働（NLC）のための手法をレビューし、自然言語理解、知識表現、知識-世界マッピングの3段階プロセスを提示する。自然言語を介したスムーズな人間-ロボットインタラクションを実現するための主要なトレンドと今後の研究方向性を同定する。

ABSTRACT

Natural Language (NL) for transferring knowledge from a human to a robot. Recently, research on using NL to support human-robot cooperation (HRC) has received increasing attention in several domains such as robotic daily assistance, robotic health caregiving, intelligent manufacturing, autonomous navigation and robot social accompany. However, a high-level review that can reveal the realization process and the latest methodologies of using NL to facilitate HRC is missing. In this review, a comprehensive summary about the methodology development of natural-language-facilitated human-robot cooperation (NLC) has been made. We first analyzed driving forces for NLC developments. Then, with a temporal realization order, we reviewed three main steps of NLC: human NL understanding, knowledge representation, and knowledge-world mapping. Last, based on our paper review and perspectives, potential research trends in NLC was discussed.

研究の動機と目的

• 自然言語を介した人間-ロボット協働（NLC）の発展を牽引する要因を特定すること。
• NLCの3つのコア段階である人間の自然言語理解、知識表現、知識-世界マッピングを体系的にレビューすること。
• 医療、製造、自律走行など、応用分野におけるNLCにおける最近の手法的進展を分析すること。
• 現在のトレンドと未解決の課題に基づき、今後のNLC研究の方向性を提案すること。

提案手法

• 本論文は、NLC手法の時間的レビューを実施し、キーコンポーネントの進化を時系列に整理して追跡する。
• HRC文脈における人間の発話の解釈に用いられる自然言語理解技術を検討する。
• 人間が提供する言語を機械処理可能な形式に構造化する知識表現モデルを分析する。
• 記号的知識と物理的環境またはロボットの行動を一致させる知識-世界マッピング戦略を調査する。
• 医療、製造、ナビゲーション、ソーシャルロボティクスなど多様な分野の知見を統合し、共通する手法的パターンを同定する。
• 得られた知見を統合し、統合性とスケーラビリティに重点を置いた今後のNLC研究の枠組みを提示する。

実験結果

リサーチクエスチョン

• RQ1 自然言語を介した人間-ロボット協働（NLC）の進展を牽引する主な要因は何ですか？
• RQ2 現在の手法は、協働タスクにおいてロボットが人間の自然言語をどのように理解・処理できるようにしていますか？
• RQ3 NLCにおける知識表現と知識-世界マッピングの分野で、主な課題と手法的アプローチは何か？
• RQ4 異なる応用分野は、NLCシステムの設計および実装にどのように影響を与えていますか？
• RQ5 NLC手法分野における新興の研究トレンドと今後の方向性は何か？

主な発見

• 本レビューは、解釈可能性とロバスト性を向上させるために、自然言語理解を記号的知識とニューラル知識表現と統合する傾向が高まっていると同定した。
• 知識-世界マッピングは依然として重要なボトルネックであり、現在の手法はしばしばヒューリスティック的または分野特化型のマッピングに依存している。
• 曖昧なまたは暗黙の人の指示に対応するため、NLCシステムにおける文脈認識と常識的推論への注力が高まっている。
• リアルタイム環境における言語と知覚・行動の統合は、主要な課題であり、現在の研究の焦点である。
• 今後のNLCシステムは、マルチモーダル入力と適応的学習を活用して、タスクおよび分野を横断した一般化を向上させると予想される。
• 本論文は、NLC分野の進展を加速させるために、標準化された評価ベンチマークと共有データセットの必要性を強調した。