[論文レビュー] Understanding the Uncertainty Loop of Human-Robot Interaction

Jan Leusmann, Chao Wang+3 more|arXiv (Cornell University)|Mar 14, 2023

Social Robot Interaction and HRI被引用数 6

ひとこと要約

本稿では、人間とロボットの相互作用（HRI）における不確実性を分析する6段階のフレームワーク「人間-ロボット不確実性ループ」を紹介する。本フレームワークは、ロボットと人間が口頭的および非言語的サインを通じて不確実性を表現・解釈する方法に焦点を当てている。本稿は、ロボットが自らの不確実性を透明に伝えること、そして人間の不確実性を人間らしくまたは人工的なサインを用いて解釈することによって、相互作用の透明性と信頼性を向上させることを提唱する。

ABSTRACT

Recently the field of Human-Robot Interaction gained popularity, due to the wide range of possibilities of how robots can support humans during daily tasks. One form of supportive robots are socially assistive robots which are specifically built for communicating with humans, e.g., as service robots or personal companions. As they understand humans through artificial intelligence, these robots will at some point make wrong assumptions about the humans' current state and give an unexpected response. In human-human conversations, unexpected responses happen frequently. However, it is currently unclear how such robots should act if they understand that the human did not expect their response, or even showing the uncertainty of their response in the first place. For this, we explore the different forms of potential uncertainties during human-robot conversations and how humanoids can, through verbal and non-verbal cues, communicate these uncertainties.

研究の動機と目的

• 社会的支援ロボット（SARs）を含む人間-ロボット相互作用における不確実性の発生および伝播の仕組みを理解すること。
• HRI中に現れる異なる形態の不確実性—人間固有の不確実性、人間が表現する不確実性、ロボットが推定する不確実性、ロボットが表現する不確実性—を特定すること。
• ロボットが口頭的および非言語的サインを用いて自らの不確実性をどのようにコミュニケーションするか、また人間の不確実性をどのように解釈するかを調査すること。
• 人間らしさのあるサインと人工的なサインのどちらが、不確実性を伝える際により効果的で、より不気味の谷効果を引き起こさないかを評価すること。
• 不確実性を人間とロボットの間で双方向的かつ動的なループとしてモデリングすることで、相互作用の透明性とユーザーの信頼を向上させること。

提案手法

• 6段階からなる「人間-ロボット不確実性ループ」を提唱：人間入力不確実性、人間不確実性、人間出力不確実性、ロボット入力不確実性、ロボット出力不確実性、ロボット意思決定不確実性。
• 人間が不確実性を表現する方法を分析：例として、フィラー語（「えーと」など）や声のトーン、顔の筋肉の動き（眉をひそめる、一時停止）、ジェスチャー（肩をすくめる、手のひらを上に向ける）など。
• AI技術（例：顔面筋のアクションユニット検出、意思決定過程におけるEEG分析）を用いて、ロボットが人間の不確実性をどのように認識するかを検討。
• 声のトーンやピッチの変化、移動速度（例：HoughとSchlangen, 2017）、人工的なジェスチャーまたはライトの点滅を用いて、ロボットが不確実性を表現する方法を検討。
• 明確な機能的特徴（アフォーダンス）を備えた場合、光のパターンやスタイライズドジェスチャーといった人工的サインが、非ヒューマノイドロボットにおいても不確実性を効果的に伝えるのに有効であるかを、人間らしさのあるサイン（例：顔の表情、自然な発話）と比較。
• 既存の文献および事例研究（例：Google Duplex、ARを用いた行動インジケーション）を活用し、本フレームワークを現実世界の応用に根ざしたものとする。

Figure 1 . The Human-Robot Uncertainty Loop.

実験結果

リサーチクエスチョン

• RQ1 HRIにおいて、ロボットが表現する不確実性サインを人間がどのように認識・解釈するか。
• RQ2 ロボットが自らの不確実性を伝えるために最も効果的な口頭的および非言語的サインは何か。
• RQ3 人間らしさのあるサインは、理解を高める効果があるが、どの程度不気味の谷効果を引き起こすか。
• RQ4 ロボットは、相互作用中にリアルタイムで人間の不確実性を検出し、適切に対応できるか。
• RQ5 非ヒューマノイドロボットにおいて、不確実性コミュニケーションに人間らしさのあるサインと人工的サインを用いる際の妥当性のトレードオフは何か。

主な発見

• 口頭的および非言語的サインを通じて不確実性を透明に伝えるロボットは、ユーザーの信頼性と相互作用のなめらかさを向上させる。
• 特にリアルタイムの相互作用においては、口頭的サインよりも、一時停止、眉をひそめる、ゆっくりとした動きといった非言語的サインのほうが不確実性を効果的に伝える。
• 人間らしく表情や発話のトーンを模倣するヒューマノイドロボットは、理解されやすいが、やりすぎると不気味の谷効果を引き起こすリスクがある。
• 光のパターンやスタイライズドジェスチャーといった人工的サインは、非ヒューマノイドロボットにおいても、明確なアフォーダンスと組み合わせることで、不確実性を効果的に伝えることができる。
• HoughとSchlangen（2017）の研究で示されたように、ユーザーは移動速度や声のピッチからロボットの自信の程度を信頼性高く推定できる。
• 自然さと受け入れやすさの間にはトレードオフがある：人間の行動を模倣するサインは直感的であるが、あまりにリアルすぎると不気味に感じられる可能性がある。