[论文解读] Some essential skills and their combination in an architecture for a cognitive and interactive robot

Sandra Devin, Grégoire Milliez+3 more|arXiv (Cornell University)|Mar 2, 2016

AI-based Problem Solving and Planning参考文献 23被引用 3

一句话总结

本文提出了一种用于人机协作的认知架构，将共享意图、共同基础、联合注意、动作观察、共表征和协调等关键协同行动技能整合到一个多层级控制框架中。该架构使机器人能够感知人类伙伴，推断意图，协商计划，并通过整合感知、心理状态建模和情境化沟通来协调行动，从而推动自然且安全的人机交互。

ABSTRACT

The topic of joint actions has been deeply studied in the context of Human-Human interaction in order to understand how humans cooperate. Creating autonomous robots that collaborate with humans is a complex problem, where it is relevant to apply what has been learned in the context of Human-Human interaction. The question is what skills to implement and how to integrate them in order to build a cognitive architecture, allowing a robot to collaborate efficiently and naturally with humans. In this paper, we first list a set of skills that we consider essential for Joint Action, then we analyze the problem from the robot's point of view and discuss how they can be instantiated in human-robot scenarios. Finally, we open the discussion on how to integrate such skills into a cognitive architecture for human-robot collaborative problem solving and task achievement.

研究动机与目标

• 基于心理学和哲学的洞见，识别并形式化有效人机协同行动所需的关键技能。
• 将人类协同行动技能（如共享意图、共同基础和心智理论）适应并实现于人机交互（HRI）中的机器人系统。
• 设计一个多层级的认知架构，整合感知、心理状态建模、沟通与计划执行，以实现流畅、自然的协作。
• 通过实时监控和自适应响应机制，确保机器人行为安全、可接受并与人类伙伴协调一致。

提出的方法

• 采用三级控制架构：远端（目标与计划承诺）、共享近端（高层计划执行）和耦合运动（时空协调）。
• 使用情境评估组件，基于传感器数据生成语义世界事实，包括相对位置、可用性以及参与者姿态。
• 引入心理状态管理组件，维护机器人与人类信念、目标和能力的独立且一致的表征。
• 整合协同行动沟通组件，支持情境化对话、视角转换以及对言语/非言语信号的解读。
• 使用意图预测组件，从观察到的行为和心理状态估计中推断人类意图，以指导机器人辅助决策。
• 采用共享计划细化组件，结合人类感知任务规划器（如 HATP），协商并生成具有社会意识的计划；以及共享计划实现组件，通过实时监控人类动作协调执行。

实验结果

研究问题

• RQ1 基于人与人协作的视角，哪些认知与社交技能是成功人机协同行动所必需的？
• RQ2 人类协同行动技能（如联合注意、动作观察和心智理论）如何被适应并实现于机器人系统中？
• RQ3 如何通过整合感知、心理状态建模、沟通与计划执行，使认知架构支持流畅、安全且可接受的人机协作？
• RQ4 共同基础在实现人机交互中相互理解方面发挥什么作用？如何实现其动态维护？
• RQ5 机器人如何通过计划内与涌现式协调机制实现实时与人类的动作协调？

主要发现

• 所提出的认知架构将共享意图、共同基础、联合注意、动作观察、共表征和协调等关键协同行动技能整合为一个统一的人机交互框架。
• 基于空间与时间推理的语义世界表征，使机器人能够理解人类指涉（如“在桌子上”）并生成上下文恰当的回应。
• 心理状态建模使机器人能够追踪人类的知识、目标与能力，支持视角转换与意图推断，从而促进协作。
• 该架构通过高层规划与实时协调相结合，支持动态计划协商与共享计划执行，确保机器人行为安全且易于理解。
• 沟通组件的整合使机器人能够生成并理解类人言语与非言语信号，增强相互理解与交互流畅性。
• 尽管已取得进展，本文仍承认，实现真正成熟、稳健的认知架构以支持流畅的人机协同行动仍是开放挑战，需进一步发展。