[논문 리뷰] Understanding the Uncertainty Loop of Human-Robot Interaction

Jan Leusmann, Chao Wang외 3명|arXiv (Cornell University)|2023. 03. 14.

Social Robot Interaction and HRI인용 수 6

한 줄 요약

이 논문은 인간-로봇 상호작용(HRI)에서의 불확실성에 대해 분석하는 6단계 프레임워크인 인간-로봇 불확실성 루프를 소개한다. 이 프레임워크는 인간과 로봇이 말하기 및 비언어적 신호를 통해 불확실성을 어떻게 표현하고 해석하는지에 중점을 둔다. 로봇은 자신의 불확실성을 투명하게 통신하고 인간의 불확실성을 인간처럼 또는 인공적인 신호를 사용해 해석함으로써 상호작용의 투명성과 신뢰도를 향상시켜야 한다.

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.

연구 동기 및 목표

• 사회보조로봇(SARs)에서 불확실성이 어떻게 발생하고 전파되는지 이해하기.
• HRI 동안 인간 내재적 불확실성, 인간이 표현하는 불확실성, 로봇이 유추하는 불확실성, 로봇이 표현하는 불확실성 등의 다양한 형태의 불확실성을 특정하기.
• 로봇이 말하기 및 비언어적 신호를 사용해 자신의 불확실성을 어떻게 통신하고 인간의 불확실성을 어떻게 해석할 수 있는지 조사하기.
• 불확실성을 전달하는 데 있어 인간처럼 보이는 신호와 인공적 신호 중 어느 것이 더 효과적이고 덜 기묘한지 평가하기.
• 불확실성을 인간과 로봇 간의 동적이고 双방향적인 루프로 모델링함으로써 상호작용의 투명성과 사용자 신뢰를 향상시키기.

제안 방법

• 6단계로 구성된 인간-로봇 불확실성 루프를 제안: 인간-입력-불확실성, 인간-불확실성, 인간-출력-불확실성, 로봇-입력-불확실성, 로봇-출력-불확실성, 로봇-결정-불확실성.
• 인간이 불확실성을 어떻게 표현하는지 분석: 예를 들어, 메타적 말투(예: '음', '글쎄요'), 표정(웃지 못한 얼굴, 망설임), 제스처(어깨를 들며 어깨를 들거나 손바닥을 위로 향하게 하기).
• 로봇가 인간의 불확실성을 인지하는 방식을 분석: 의사결정 과정 중 얼굴 운동단위 감지 및 뇌전도 측정(EEG) 분석과 같은 AI 기법을 활용.
• 로봇이 불확실성을 어떻게 표현하는지 탐색: 음성 조절(음색, 톤), 이동 속도(예: Hough와 Schlangen, 2017), 인공적 제스처 또는 조명 신호를 활용.
• 명확성과 기묘함의 정도를 비교하기 위해 인간처럼 보이는 신호(예: 표정, 자연스러운 언어)와 인공적 신호(예: 조명 패턴, 스타일리시한 제스처)를 비교.
• 기존 문헌과 사례 연구(예: Google Duplex, AR 기반 동작 표시)를 활용하여 프레임워크를 실제 응용에 기반하게 한다.

Figure 1 . The Human-Robot Uncertainty Loop.

실험 결과

연구 질문

• RQ1 로봇이 HRI에서 표현한 불확실성 신호를 인간이 어떻게 인지하고 해석하는가?
• RQ2 로봇이 자신의 불확실성을 효과적으로 전달하기 위해 가장 적합한 말하기 및 비언어적 신호는 무엇인가?
• RQ3 인간처럼 보이는 신호가 이해도를 높이는 데 얼마나 기여하는가, 동시에 '기묘한 골짜기' 효과를 유발할 가능성은 얼마나 되는가?
• RQ4 로봇은 상호작용 도중 인간의 불확실성을 실시간으로 감지하고 어떻게 반응할 수 있는가?
• RQ5 비인간형 로봇에서 불확실성 커뮤니케이션에 인간처럼 보이는 신호와 인공적 신호를 사용할 때의 상호 대체 가능성은 어떠한가?

주요 결과

• 로봇이 말하기 및 비언어적 신호를 통해 자신의 불확실성을 투명하게 통신할 경우, 사용자 신뢰도와 상호작용의 자연스러움이 향상된다.
• 비언어적 신호, 예를 들어 망설임, 찡그린 표정, 느린 움직임은 실시간 상호작용에서 말하기 신호보다 불확실성을 더 효과적으로 전달한다.
• 인간처럼 보이는 표정과 말투를 사용하는 인공지능 로봇은 더 잘 이해되지만, 과도하게 사용할 경우 기묘한 골짜기 효과를 유발할 위험이 있다.
• 인공적 신호—예를 들어 조명 패턴이나 스타일리시한 제스처—는 비인간형 로봇에서도 효과적으로 불확실성을 전달할 수 있으며, 특히 명확한 기능적 특징과 함께 사용할 경우 더욱 효과적이다.
• 이동 속도와 음성 톤을 통해 사용자가 로봇의 자신감 수준을 신뢰성 있게 유추할 수 있으며, 이는 Hough와 Schlangen (2017)의 연구에서 입증되었다.
• 자연스러움과 수용 가능성 사이에는 상충 관계가 존재한다: 인간의 행동을 모방하는 신호는 더 직관적이지만, 너무 현실적으로 표현될 경우 기묘하게 느껴질 수 있다.