学习用非语言表达传达功能状态以改善人机协作
机器人学
2024-05-01 v1 人工智能
人机交互
摘要
协作机器人必须有效地向人类传达其内部状态，以实现顺畅的交互。非语言交流被广泛用于在人机交互中传达信息，然而，此类方法也可能被误解，导致通信错误。在这项工作中，我们探索调制非语言听觉表达的声学参数值(音高弯曲、每分钟节拍数、每循环节拍数)以传达功能性机器人状态(已完成、进行中、卡住)。我们提出了一种基于嘈杂人类反馈的强化学习(RL)算法，以产生准确解释的非语言听觉表达。通过24名参与者的用户研究评估了所提出的方法。结果表明：1. 我们提出的基于RL的方法能够学习合适的声学参数值，从而提高用户正确识别机器人状态的能力。2. 利用先前用户数据进行的算法初始化可用于显著加速学习过程。3. 算法初始化方法强烈影响参与者是否收敛到每种机器人状态的相似声音。4. 音高弯曲的调制对用户将声音与机器人状态关联的影响最大。
引用
@article{arxiv.2404.19253,
title = {Learning to Communicate Functional States with Nonverbal Expressions for Improved Human-Robot Collaboration},
author = {Liam Roy and Dana Kulic and Elizabeth Croft},
journal= {arXiv preprint arXiv:2404.19253},
year = {2024}
}
备注
8 Pages, Accepted to RA-L March 2024