使机器人能够通过人机交互推断终端用户的教学与学习方式
机器人学
2019-02-05 v1
摘要
在人机交互（HRI）过程中，我们希望机器人理解我们，也希望直观地理解机器人。为了与机器人沟通并理解机器人，我们可以利用交互，即人与机器人相互观察彼此的行为。然而，人与机器人应如何解释这些行为并不总是明确的：给定的交互可能具有多种不同含义。在当今最先进的技术中，机器人为人类分配单一的交互策略，并依据这一固定策略向人类学习或教导人类。相反，我们在此认识到不同用户的交互方式不同，因此一成不变的方法并不适用。因此，我们认为机器人应维持关于可能的人类交互策略的分布，并在任务中推断每位终端用户的交互方式。我们正式定义了当机器人对人类交互策略不确定时的学习与教导问题，并利用贝叶斯推断推导出这两个问题的解。在示例和基准仿真中，我们表明这种个性化方法优于维持固定交互策略的标准方法。
引用
@article{arxiv.1902.00646,
title = {Enabling Robots to Infer how End-Users Teach and Learn through Human-Robot Interaction},
author = {Dylan P. Losey and Marcia K. O'Malley},
journal= {arXiv preprint arXiv:1902.00646},
year = {2019}
}
备注
IEEE Robotics and Automation Letters