面向社交沟通型人机交互的规划动作模型学习综述
人工智能
2018-11-02 v1
摘要
要使社交机器人更广泛地应用于陪伴、照护和家务协助等领域，它们必须具备展现社会智能的能力。为了被接受，它们必须表现出社交沟通技能。从观察到的人-人交互中对HRI进行编程的经典方法，未能捕捉多模态交互的微妙性以及机器人与人类之间的关键结构差异。前者源于量化和编码多模态行为的困难，后者则源于机器人与人类自由度的差异。然而，从多模态HRI轨迹中逆向推导，在给定多模态轨迹下学习机器人潜在行为蓝图的概念似乎是一个值得探索的选项。本着这一精神，整个HRI可被视为机器人与人之间言语行为的交换序列，每个行为被视为一个动作，并牢记整个序列是目标驱动的。因此，整个交互可被视为将交互从其初始状态推进至目标状态的一系列动作，也即AI规划领域中的计划。在同一领域中，由计划执行产生的该动作序列可表示为一条轨迹。AI技术（如机器学习）可用于从上述多模态轨迹中学习行为模型（在AI中亦称符号动作模型），旨在可复用于AI规划。本文综述了近期用于学习规划动作模型的机器学习技术，这些技术可应用于HRI领域以使机器人具备社交沟通能力。
引用
@article{arxiv.1810.09245,
title = {A Review on Learning Planning Action Models for Socio-Communicative HRI},
author = {Ankuj Arora and Humbert Fiorino and Damien Pellier and Sylvie Pesty},
journal= {arXiv preprint arXiv:1810.09245},
year = {2018}
}
备注
Workshop on Affect, Artifcial Compagnon and Interaction, 2016