结合规划识别与语言反馈改进人类意图推断
机器人学
2023-10-05 v1 人工智能
人机交互
摘要
对话式辅助机器人可帮助人们，尤其是认知障碍者，完成烹饪、锻炼或操作机器等各类任务。然而，为与人有效交互，机器人必须从人类动作的含噪观测中识别人类计划与目标，即便用户行动非最优。以往将计划与目标识别（PGR）作为规划的工作使用分层任务网络（HTN）建模行动者/人类。但这些技术尚不充分，因其未通过语言等自然交互模式实现用户参与，亦无机制让用户（尤其认知障碍者）知晓其偏离原定计划或朝向目标采取的任何次优动作。我们提出一种部分可观测域中计划与目标识别的新框架——用于目标识别的对话（D4GR），使机器人能通过就含噪传感器数据及次优人类动作提出澄清问题来纠正其对人类进度的信念。我们在两个模拟域（厨房与积木域）上评估 D4GR 性能。借助分层任务模型中的语言反馈与世界状态信息，我们表明在最高传感器噪声下 D4GR 框架在目标准确率上于两域均比 HTN 高 1%。在计划准确率上，D4GR 相较 HTN 在厨房域高出 4%，在积木域高出 2%。ALWAYS-ASK 预言机在目标识别上优于我们的策略 3%，在计划识别上优 7%。D4GR 通过比预言机基线少问 68% 的问题达成此效果。我们亦展示了厨房域中的真实机器人场景，在真实设定中验证了 D4GR 改进的计划与目标识别。
引用
@article{arxiv.2310.02462,
title = {Improved Inference of Human Intent by Combining Plan Recognition and Language Feedback},
author = {Ifrah Idrees and Tian Yun and Naveen Sharma and Yunxin Deng and Nakul Gopalan and George Konidaris and Stefanie Tellex},
journal= {arXiv preprint arXiv:2310.02462},
year = {2023}
}
备注
Published in IROS 2023