迈向能在长期交互中影响人类的机器人
机器人学
2023-09-07 v2
摘要
当人类与机器人交互时，影响不可避免。考虑一辆在人类附近行驶的自动驾驶汽车：其速度与转向将影响人类的驾驶方式。先前工作已开发使机器人能将人类影响至期望行为的框架。但这些方法在短期（即最初几次人机交互）有效，而此处我们探索长期影响（即同一人类与机器人的重复交互）。我们的核心见解是：人类是动态的——人们会适应机器人，且当前有影响的行为一旦人类学会预判机器人动作便可能失效。基于该见解，我们通过实验证明一种用于生成有影响机器人行为的普遍博弈论形式化方法在重复交互中效果递减。接着，我们提出对 Stackelberg 博弈的三处修改，使机器人策略既有影响力又不可预测。我们最终在模拟与用户研究中测试这些修改：结果表明，刻意使自身动作更难被预判的机器人更能维持长期交互中的影响。视频见：https://youtu.be/ydO83cgjZ2Q
引用
@article{arxiv.2209.10588,
title = {Towards Robots that Influence Humans over Long-Term Interaction},
author = {Shahabedin Sagheb and Ye-Ji Mun and Neema Ahmadian and Benjamin A. Christie and Andrea Bajcsy and Katherine Driggs-Campbell and Dylan P. Losey},
journal= {arXiv preprint arXiv:2209.10588},
year = {2023}
}