[논문 리뷰] Exploring Model Predictive Control to Generate Optimal Control Policies for HRI Dynamical Systems

Steven Jens Jorgensen, Orion Campbell외 4명|arXiv (Cornell University)|2017. 01. 13.

Social Robot Interaction and HRI참고 문헌 17인용 수 3

한 줄 요약

이 논문은 인간-로봇 상호작용(HRI) 시나리오를 생산성, 작업 부하, 유대감, 어색함 등의 비용 함수를 갖는 선형 동적 시스템으로 모델링함으로써 혼합정수 모델 예측 제어(MPC)를 사용하여 인간 중심의 제어 정책을 제안한다. 시뮬레이션과 휴머노이드 로봇에서 성공적으로 예상 행동을 생성하였으며, 유대감을 최대화할 경우 눈맞춤을 약 25% 증가시켰지만, 인간 시험에서 인식된 유대감에 유의미한 차이가 없었다.

ABSTRACT

We model Human-Robot-Interaction (HRI) scenarios as linear dynamical systems and use Model Predictive Control (MPC) with mixed integer constraints to generate human-aware control policies. We motivate the approach by presenting two scenarios. The first involves an assistive robot that aims to maximize productivity while minimizing the human's workload, and the second involves a listening humanoid robot that manages its eye contact behavior to maximize "connection" and minimize social "awkwardness" with the human during the interaction. Our simulation results show that the robot generates useful behaviors as it finds control policies to minimize the specified cost function. Further, we implement the second scenario on a humanoid robot and test the eye contact scenario with 48 human participants to demonstrate and evaluate the desired controller behavior. The humanoid generated 25% more eye contact when it was told to maximize connection over when it was told to maximize awkwardness. However, despite showing the desired behavior, there was no statistical difference between the participant's perceived connection with the humanoid.

연구 동기 및 목표

• 제어 이론적 최적화에 적합한 선형 동적 시스템으로 인간-로봇 상호작용(HRI) 시나리오를 모델링하기.
• 혼합정수 제약 조건을 갖는 모델 예측 제어(MPC)를 사용하여 인간 중심의 행동을 생성하는 인지 피드백 제어기를 개발하기.
• MPC가 HRI에서 생산성, 작업 부하, 유대감, 사회적 어색함을 균형 있게 조절할 수 있는 최적의 제어 정책을 생성할 수 있는지 평가하기.
• 사람이 참여하는 실험을 통해 시뮬레이션과 실제 휴머노이드 로봇에서 이 접근법을 검증하기.
• MPC를 통해 생성된 로봇 행동이 인간의 유대감 및 안락감에 대해 의미 있게 영향을 미칠 수 있는지 조사하기.

제안 방법

• 인간의 작업 부하, 배터리 수준, 눈맞춤, 유대감/어색함 지표를 상태 변수로 하는 선형 동적 시스템으로 HRI 시나리오를 수립하기.
• 상황에 따라 높은 작업 부하, 낮은 생산성, 어색함, 낮은 유대감을 방지하기 위한 비용 함수 정의하기.
• 실수값 및 이진 제약 조건(예: 배터리 수준이 충분할 때만 로봇이 이동 가능)을 갖는 혼합정수 MPC를 구현하여 최적화 문제 해결하기.
• 실시간으로 3Hz 제어 루프를 통해 문제를 해결하기 위해 볼록 최적화 프레임워크(CVXPY와 Gurobi) 사용하기.
• 눈맞춤 감지 기능을 수동 입력을 통해 시뮬레이션하는 워즈드 오브 오즈 기법을 활용해 제어기를 휴머노이드 로봇에 구현하기.
• 사회인지 이론과 행동 역학에서 유도된 직관적 파rameter 설정을 기반으로 MPC 모델 캘리브레이션 수행하기.

실험 결과

연구 질문

• RQ1 HRI 시나리오는 최적 제어에 적합한 선형 동적 시스템으로 효과적으로 모델링될 수 있는가?
• RQ2 혼합정수 MPC는 보조 HRI에서 생산성과 인간의 작업 부하 간의 경쟁 목표를 균형 있게 조절할 수 있는 제어 정책을 생성할 수 있는가?
• RQ3 MPC는 유대감을 극대화하고 어색함을 최소화하는 눈맞춤과 같은 사회적 적응 행동을 생성할 수 있는가?
• RQ4 로봇의 MPC 기반 행동이 인간의 유대감, 안락감 또는 사회적 상호작용에 대한 관심에 유의미하게 영향을 미치는가?
• RQ5 하드웨어 제약, 제어 루프 지연 등의 구현 요소가 MPC 기반 HRI 행동의 인식된 효과성에 영향을 미치는가?

주요 결과

• MPC 제어기가 유대감을 최대화하도록 지시받은 경우 어색함을 최대화한 경우에 비해 눈맞춤을 약 25% 증가시켰다.
• 눈맞춤 증가에도 불구하고, 참가자들의 인식된 유대감, 안락감, 만족도 또는 관심에 유의미한 차이가 없었다.
• 상관 분석 결과, 로봇 행동과 설문 응답 간의 결정계수 R² 값이 매우 낮게(0.002에서 0.012 사이) 나타나 상관관계가 미미함을 시사했다.
• 로봇이 어색함을 최대화하도록 프로그래밍된 경우 참가자들의 서면 피드백이 더 부정적이었으며, 통계적 유의성이 없음에도 불구하고 정성적 인식 차이가 존재함을 시사했다.
• 휴머노이드 로봇의 눈꺼풀 모터가 테스트 도중 고장 났으며, 이는 결과에 영향을 미친 하드웨어 제약 요소일 수 있음을 시사했다.
• 다수의 참가자들이 로봇이 백채널링(예: 고개 끄덕임, 음성 신호)을 사용해야 한다고 기대했으며, 이는 현재의 눈맞춤 모델만으로는 깊은 사회적 유대감을 구현하는 데 부족함을 시사했다.