面向自主机器人解释生成的系统综述
机器人学
2025-01-31 v2
摘要
构建人类与机器人之间的信任是机器人社区长期关注的议题。各类研究旨在阐明影响用户信任发展的关键因素。在人机交互（Human-Robot Interaction, HRI）环境中，信任发展的一个关键方面是机器人使其行为可理解的能力。可解释自主机器人（eXplainable Autonomous Robot, XAR）的概念即针对这一需求进行设计。然而，赋予机器人自我解释能力是一个复杂的任务。机器人行为涉及多个技能和多样子系统。这种复杂性促使研究人员探索多种方法，用于生成关于机器人行为的解释。本文提出一项系统性文献综述，分析现有策略用于生成机器人解释的方法，并研究当前XAR的趋势。结果表明，可解释性系统方面已取得有前景的进展。然而，这些系统仍无法完全覆盖自主机器人的复杂行为。此外，我们还识别出对解释性理论概念缺乏共识，以及评估解释方法和工具的健全方法论的需求。
引用
@article{arxiv.2412.18516,
title = {Generating Explanations for Autonomous Robots: a Systematic Review},
author = {David Sobrín-Hidalgo and Ángel Manuel Guerrero-Higueras and Vicente Matellán-Olivera},
journal= {arXiv preprint arXiv:2412.18516},
year = {2025}
}
备注
14 pages, 12 figures, 10 tables. This paper is a preprint of an article submitted to IEEE Access