[論文レビュー] Negotiation-based Human-Robot Collaboration via Augmented Reality

Kishan Chandan, Vidisha Kudalkar+2 more|arXiv (Cornell University)|Sep 24, 2019

Social Robot Interaction and HRI被引用数 9

ひとこと要約

本稿では、リアルタイムでのロボット状態および軌道の可視化を可能にし、動的再計画を支援する双方向フィードバックを提供する、拡張現実（AR）を介した交渉ベースのフレームワーク「ARN」を提案する。実験の結果、ARNは非ARベースラインと比較して、タスク完了時間を最大7.5%短縮し、空間認識型でフィードバック駆動の協調による、協働の効率を顕著に向上させた。

ABSTRACT

Effective human-robot collaboration (HRC) requires extensive communication among the human and robot teammates, because their actions can potentially produce conflicts, synergies, or both. We develop a novel augmented reality (AR) interface to bridge the communication gap between human and robot teammates. Building on our AR interface, we develop an AR-mediated, negotiation-based (ARN) framework for HRC. We have conducted experiments both in simulation and on real robots in an office environment, where multiple mobile robots work on delivery tasks. The robots could not complete the tasks on their own, but sometimes need help from their human teammate, rendering human-robot collaboration necessary. Results suggest that ARN significantly reduced the human-robot team's task completion time compared to a non-AR baseline approach.

研究の動機と目的

• 共有物理環境における人間-ロボット協働（HRC）における効果的でリアルタイムの通信の欠如に対処すること。
• 空間的に直感的な双方向情報交換を可能にするために、拡張現実（AR）を活用して人間とロボットの間の通信ギャップを埋めること。
• 人間からのフィードバックに基づいてロボットが動的再計画を行うことを可能にし、協働配送タスクにおけるタスク効率を向上させること。
• シミュレーションおよび現実世界の「人間を含むループ」実験を用いて、人間からのフィードバックがHRCパフォーマンスに与える影響を評価すること。

提案手法

• ARNフレームワークは、ARインターフェースを用いて、リアルタイムにロボットの位置と計画された運動軌道を重ねて表示し、人間のチームメイトがロボットの意図を可視化できるようにする。
• 人間のユーザーはARを介して「X分間は協力できません」といったフィードバックを提供し、それがロボットの再計画に向けた時間的制約に変換される。
• システムは人間のフィードバックを交渉ループに統合し、衝突を回避し協調性を向上させるために、ロボットが計画を段階的に調整できるようにする。
• シミュレーションでは、GazeboとROSを用いてロボットナビゲーションを実装し、Unityを用いてARインターフェースと人間の行動（タスク時間やフィードバック行動を含む）をシミュレートする。
• シミュレーションでは、タスク時間とフィードバックタイミングを正規分布を用いてモデル化し、フィードバック状態に応じてドア開閉確率を調整する。
• 現実世界の実験は、オフィス環境で移動型ロボットと人間参加者が、人間の支援を要する配送タスクを実施した。

実験結果

リサーチクエスチョン

• RQ1 ARを介したロボット状態および軌道の可視化は、人間-ロボット協働の効率にどのように影響するか？
• RQ2 人間からの双方向フィードバックは、HRCにおけるタスク完了時間の短縮にどの程度寄与するか？
• RQ3 人間のフィードバックをロボットの再計画に組み込むことと、フィードバックなしのベースラインとを比較した場合、タスク効率にどのような差が生じるか？
• RQ4 遮蔽や視界が制限される現実世界の動的環境において、ARNは交渉ベースの協働を効果的にサポートできるか？

主な発見

• 人間のフィードバックを含むARNでは、チーム全体のタスク完了時間（T^all）が46.64秒（±4.31）にまで短縮され、フィードバックなしの設定（50.43秒±6.35）と比較して有意に短く、p < .001であった。
• 最後のロボットがタスクを完了するまでの平均時間（T^R_last）は、フィードバックありで16.65秒（±0.73）であったのに対し、フィードバックなしでは17.94秒（±0.90）であった。
• 人間自身のタスク完了時間（T^H）は、フィードバック条件で15.67 ± 3.04と、非フィードバック条件の16.77 ± 4.73よりもわずかに短く、タスクの協調性が向上していた。
• フィードバック機構により、ロボットが不要な待機を回避し、無駄な停止時間を削減することで、全体のシステムスループットが向上した。
• シミュレーションの結果、フィードバックの統合が協働効率を顕著に向上させることを確認し、フレームワークの設計が制御された環境で妥当であることを裏付けた。
• 現実世界の実験では、ARNがARによる可視化とフィードバックを通じて、適切な時期に状況に即した人間-ロボットの交渉を可能にし、協働効率を向上させることを示した。