論文の概要: Joint Mind Modeling for Explanation Generation in Complex Human-Robot
Collaborative Tasks
- arxiv url: http://arxiv.org/abs/2007.12803v1
- Date: Fri, 24 Jul 2020 23:35:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 07:06:19.368781
- Title: Joint Mind Modeling for Explanation Generation in Complex Human-Robot
Collaborative Tasks
- Title(参考訳): 複雑なロボット協調作業における説明生成のための統合マインドモデリング
- Authors: Xiaofeng Gao, Ran Gong, Yizhou Zhao, Shu Wang, Tianmin Shu, Song-Chun
Zhu
- Abstract要約: 本稿では,人間とロボットのコラボレーションにおいて,人間のようなコミュニケーションを実現するための新しい説明可能なAI(XAI)フレームワークを提案する。
ロボットは、人間のユーザの階層的なマインドモデルを構築し、コミュニケーションの一形態として自身のマインドの説明を生成する。
その結果,提案手法はロボットの協調動作性能とユーザ認識を著しく向上させることがわかった。
- 参考スコア(独自算出の注目度): 83.37025218216888
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Human collaborators can effectively communicate with their partners to finish
a common task by inferring each other's mental states (e.g., goals, beliefs,
and desires). Such mind-aware communication minimizes the discrepancy among
collaborators' mental states, and is crucial to the success in human ad-hoc
teaming. We believe that robots collaborating with human users should
demonstrate similar pedagogic behavior. Thus, in this paper, we propose a novel
explainable AI (XAI) framework for achieving human-like communication in
human-robot collaborations, where the robot builds a hierarchical mind model of
the human user and generates explanations of its own mind as a form of
communications based on its online Bayesian inference of the user's mental
state. To evaluate our framework, we conduct a user study on a real-time
human-robot cooking task. Experimental results show that the generated
explanations of our approach significantly improves the collaboration
performance and user perception of the robot. Code and video demos are
available on our project website: https://xfgao.github.io/xCookingWeb/.
- Abstract(参考訳): 人間の協力者は、お互いの精神状態(例えば、目標、信念、欲求)を推測することで、パートナーと効果的にコミュニケーションして共通のタスクを完了させることができる。
このようなマインドアウェアコミュニケーションは、協力者の精神状態の相違を最小限に抑え、人間のアドホックチームの成功に不可欠である。
我々は,人間と協調するロボットは,同様の教育行動を示すべきだと考えている。
そこで本研究では,ロボットが人間の階層的マインドモデルを構築し,ユーザの精神状態のオンラインベイズ的推論に基づくコミュニケーションの形式として,自身の心の説明を生成する,人間-ロボットコラボレーションにおける人間的なコミュニケーションを実現するための,説明可能なAI(XAI)フレームワークを提案する。
本フレームワークを評価するために,リアルタイムのロボット調理タスクについてユーザスタディを行う。
実験結果から,提案手法はロボットの協調性能とユーザ認識を著しく向上させることがわかった。
コードとビデオのデモはプロジェクトのWebサイトで公開されている。
関連論文リスト
- Real-time Addressee Estimation: Deployment of a Deep-Learning Model on
the iCub Robot [52.277579221741746]
住所推定は、社会ロボットが人間とスムーズに対話するために必要なスキルである。
人間の知覚スキルにインスパイアされたディープラーニングモデルは、iCubロボットに設計、訓練、デプロイされる。
本研究では,人間-ロボットのリアルタイムインタラクションにおいて,そのような実装の手順とモデルの性能について述べる。
論文 参考訳(メタデータ) (2023-11-09T13:01:21Z) - Habitat 3.0: A Co-Habitat for Humans, Avatars and Robots [119.55240471433302]
Habitat 3.0は、家庭環境における協調ロボットタスクを研究するためのシミュレーションプラットフォームである。
複雑な変形可能な体と外観と運動の多様性をモデル化する際の課題に対処する。
Human-in-the-loopインフラストラクチャは、マウス/キーボードまたはVRインターフェースを介してシミュレーションされたロボットとの実際のヒューマンインタラクションを可能にする。
論文 参考訳(メタデータ) (2023-10-19T17:29:17Z) - Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement
Learning [54.636562516974884]
模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。
本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。
ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
論文 参考訳(メタデータ) (2023-03-02T18:51:38Z) - CoGrasp: 6-DoF Grasp Generation for Human-Robot Collaboration [0.0]
そこで我々は,人間を意識したロボットグリップを生成する,CoGraspと呼ばれる新しいディープニューラルネットワーク方式を提案する。
実際のロボット実験では,安定グリップの生成において約88%の成功率を達成した。
我々のアプローチは、安全で自然で社会的に認識された人間ロボットオブジェクトのコグラスピング体験を可能にします。
論文 参考訳(メタデータ) (2022-10-06T19:23:25Z) - CASPER: Cognitive Architecture for Social Perception and Engagement in
Robots [0.5918643136095765]
本稿では,他のエージェントの追求目標を予測し,最適な協調行動を計算するために,定性的空間推論を用いた記号的認知アーキテクチャであるCASPERを提案する。
我々は、このアーキテクチャをシミュレーションされたキッチン環境でテストし、収集した結果から、ロボットが進行中の目標を認識し、その達成に向けて適切に協力できることが分かる。
論文 参考訳(メタデータ) (2022-09-01T10:15:03Z) - Body Gesture Recognition to Control a Social Robot [5.557794184787908]
本研究では,人間の身体を自然に利用してロボットと対話できるジェスチャー型言語を提案する。
ニューラルネットワークを用いた新しいジェスチャー検出モデルと、ネットワークをトレーニングするための身体ジェスチャーセットを実行する人間のカスタムデータセットを作成しました。
論文 参考訳(メタデータ) (2022-06-15T13:49:22Z) - MindCraft: Theory of Mind Modeling for Situated Dialogue in
Collaborative Tasks [2.5725755841426623]
心の理論は、人間の協調とコミュニケーションの間、共通基盤を維持する上で重要な役割を担っている。
Minecraftの3D仮想ブロックの世界において、人間のペアが行う協調作業のきめ細かいデータセットを紹介した。
相互作用が展開するにつれて、パートナーの世界の信念と互いの信念をキャプチャする情報を提供する。
論文 参考訳(メタデータ) (2021-09-13T19:26:19Z) - Co-GAIL: Learning Diverse Strategies for Human-Robot Collaboration [51.268988527778276]
本研究では,人間とロボットの協調実験から人間とロボットの協調政策を学習する手法を提案する。
本手法は対話型学習プロセスにおけるヒューマンポリシーとロボットポリシーを協調的に最適化する。
論文 参考訳(メタデータ) (2021-08-13T03:14:43Z) - Show Me What You Can Do: Capability Calibration on Reachable Workspace
for Human-Robot Collaboration [83.4081612443128]
本稿では,REMPを用いた短時間キャリブレーションにより,ロボットが到達できると考える非専門家と地道とのギャップを効果的に埋めることができることを示す。
この校正手順は,ユーザ認識の向上だけでなく,人間とロボットのコラボレーションの効率化にも寄与することを示す。
論文 参考訳(メタデータ) (2021-03-06T09:14:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。