Legible Shared Autonomy: Implicit Communication of Robot Belief through Motion

Résumé technique : Autonomie partagée lisible

Énoncé du problème
Les systèmes d'autonomie partagée assistent les utilisateurs présentant des déficiences motrices en combinant l'entrée de l'utilisateur avec une assistance autonome pour contrôler des bras robotisés. Cependant, un « problème de transparence » fondamental limite leur efficacité : les utilisateurs ne peuvent pas observer les croyances internes du robot concernant l'intention de l'utilisateur. Les systèmes traditionnels privilégient l'efficacité, se déplaçant selon le chemin le plus court vers l'objectif inféré. Lorsque plusieurs objets se trouvent dans des directions similaires (par exemple, un mouchoir et une tasse sur une table encombrée), ce mouvement efficace est ambigu. Cela crée deux modes de défaillance critiques :

1. Effort inutile : Lorsque le robot infère correctement l'objectif, les utilisateurs continuent de fournir une commande car ils ne peuvent pas percevoir que le robot comprend leur intention, gaspillant ainsi l'effort qui pourrait être délégué au robot.
2. Correction d'erreur retardée : Lorsque le robot comprend mal l'intention, les utilisateurs ne peuvent détecter l'erreur que lorsque le mouvement d'assistance diverge significativement de leur trajectoire désirée, nécessissant une entrée corrective substantielle.

Méthodologie
Le document propose un cadre d'Autonomie Partagée Lisible où le robot communique ses croyances inférées sur les objectifs de l'utilisateur à travers les caractéristiques de son mouvement d'assistance, plutôt que de s'appuyer sur des interfaces de rétroaction explicites.

• Métrique de lisibilité au niveau de l'action : Contrairement aux approches antérieures basées sur la trajectoire optimisées hors ligne, ce travail introduit une métrique au niveau de l'action calculable à chaque pas de temps pour une interaction en temps réel. La métrique quantifie la capacité d'une action robotique $a_R$ à discriminer l'objectif inféré $\theta^*$ des alternatives concurrentes $\theta$. Elle est définie comme le rapport logarithmique de la vraisemblance de l'action sous l'objectif inféré par rapport à l'alternative la plus confuse, basée sur un modèle d'action utilisateur de type Boltzmann-rationnel :
  $$L(a_R | s_t, \theta^*) = \log \pi_H(a_R | s_t, \theta^*) - \log \max_{\theta \neq \theta^*} \pi_H(a_R | s_t, \theta)$$
  Des valeurs positives indiquent que l'action signale fortement l'objectif inféré ; des valeurs proches de zéro indiquent une ambiguïté.

• Cadre d'optimisation dual : Le robot sélectionne les actions en équilibrant la performance de la tâche (minimisation de la distance vers l'objectif) et la lisibilité. La fonction d'objectif est :
  $$a^*_R = \arg \max_{a_R \in A_R} [\lambda L(a_R | s_t, \theta^*) + Q(a_R, s_t, \theta^*)]$$
  où $\lambda$ pondère l'importance de la lisibilité. Lorsque $\lambda=0$, le système revient à une autonomie partagée efficace standard.

• Allocation d'autorité adaptative sensible à la confiance : Pour gérer le compromis entre la révélation des croyances et le maintien du contrôle, le système ajuste dynamiquement le poids d'autorité $\beta_t$ accordé à l'utilisateur. Ce poids est modulé par deux facteurs :

  1. Confiance de l'inférence ($b_t$) : Le robot s'accorde plus d'autorité (un $\beta_t$ plus faible) uniquement lorsque sa confiance d'inférence dépasse un seuil.
  2. Proximité de l'objectif ($d_t$) : Le robot augmente son autorité à mesure qu'il s'approche de l'objectif, là où la discrimination précise de l'objectif est la plus critique.
     Lorsque l'utilisateur relâche le dispositif de commande, le robot suppose un contrôle total, permettant la délégation une fois que l'utilisateur perçoit une inférence correcte.

Contributions clés

1. Métrique de lisibilité au niveau de l'action : Une métrique efficace en termes de calcul permettant une communication d'intention lisible en temps réel, distincte de l'optimisation de trajectoire hors ligne.
2. Cadre d'autonomie partagée lisible : La première intégration de la lisibilité dans l'autonomie partagée pour révéler les croyances sur les objectifs de l'utilisateur (plutôt que les propres objectifs du robot), couplée à une stratégie d'autorité adaptative qui signale les niveaux de confiance.
3. Validation empirique : Études utilisateurs complètes démontrant que le mouvement lisible améliore la transparence et réduit l'effort de l'utilisateur.

Résultats expérimentaux
L'approche a été validée par deux études : une simulation 2D avec 20 participants et une expérience physique avec un bras robotisé Dobot CR5 à 6 degrés de liberté avec 15 participants.

• Transparence et compréhension : Dans la simulation, le mouvement lisible a considérablement amélioré la capacité des utilisateurs à percevoir si le robot comprenait leur intention (passant de 38 % en SA standard à 96–99 % en SA lisible) et à identifier correctement l'objectif inféré.
• Expérience subjective : Les expériences physiques ont montré une augmentation de 62 % de l'intuitivité perçue et une augmentation de 55 % des scores de qualité de collaboration pour l'autonomie partagée lisible par rapport à l'autonomie partagée standard. Une forte corrélation positive ($r=0,926$) a été trouvée entre la compréhension perçue et la qualité de la collaboration.
• Effort de contrôle : L'autonomie partagée lisible a considérablement réduit l'effort de contrôle de l'utilisateur de 27 % lors des expériences physiques (et de 47 % en simulation), car les utilisateurs pouvaient déléguer le contrôle plus tôt lorsqu'ils percevaient une inférence correcte.
• Compromis sur la durée de la tâche : L'étude a noté une augmentation de 12 % de la durée des tâches dans les expériences physiques. Cela est attribué aux trajectoires qui s'écartent du chemin le plus court pour établir une identité d'objectif claire. Les auteurs soutiennent que ce compromis est acceptable pour la robotique d'assistance, où la réduction de la charge physique et l'augmentation de la compréhensibilité du système sont prioritaires sur la vitesse brute.

Signification et affirmations
L'article affirme que l'autonomie partagée lisible transforme l'interaction d'une inférence unidirectionnelle en une collaboration bidirectionnelle transparente. En modulant les caractéristiques du mouvement pour révéler les croyances internes, le système permet aux utilisateurs d'ajuster dynamiquement leurs stratégies de contrôle — réduisant l'entrée lorsque la compréhension est confirmée ou corrigeant immédiatement les erreurs lorsque des malentendus sont détectés.

Les auteurs concluent que, bien que la lisibilité doive être ajustée en fonction de la tâche plutôt que maximisée de manière indiscriminée (car un mouvement trop assertif peut parfois réduire la collaboration perçue), le mouvement d'assistance peut effectivement porter des informations sur l'état de croyance du robot. Cela comble le fossé de la transparence, faisant passer l'autonomie partagée d'une « assistance silencieuse » à une collaboration humain-robot plus compréhensible. Le travail reconnaît des limites, notamment la nécessité d'évaluer les inférences incorrectes à haute confiance et la généralisation à des scènes encombrées avec de nombreux objectifs candidats.