Legible Shared Autonomy: Implicit Communication of Robot Belief through Motion

Sintesi Tecnica: Autonomia Condivisa Leggibile

Definizione del Problema
I sistemi di autonomia condivisa assistono gli utenti con disabilità motorie combinando l'input dell'utente con l'assistenza autonoma per controllare bracci robotici. Tuttavia, un fondamentale "probleamo di trasparenza" ne limita l'efficacia: gli utenti non possono osservare le credenze interne del robot riguardo l'intento dell'utente. I sistemi tradizionali danno priorità all'efficienza, muovendosi lungo il percorso più breve verso l'obiettivo inferito. Quando più oggetti si trovano in direzioni simili (ad esempio, un fazzoletto e una tazza su un tavolo ingombro), questo moto efficiente è ambiguo. Ciò crea due modalità critiche di fallimento:

1. Sforzo Inutile: Quando il robot inferisce correttamente l'obiettivo, gli utenti continuano a fornire input di controllo perché non possono percepire che il robot ha compreso la loro intenzione, sprecando sforzo che potrebbe essere delegato al robot.
2. Ritardo nella Correzione degli Errori: Quando il robot fraintende l'intento, gli utenti non possono rilevare l'errore finché il moto assistivo non diverge significativamente dalla traiettoria desiderata, richiedendo un input correttivo sostanziale.

Metodologia
L'articolo propone un framework di Autonomia Condivisa Leggibile in cui il robot comunica le sue credenze inferite sugli obiettivi dell'utente attraverso le caratteristiche del suo moto assistivo, piuttosto che affidarsi a interfacce di feedback esplicite.

• Metrica di Leggibilità a Livello di Azione: A differenza dei precedenti approcci a livello di traiettoria ottimizzati offline, questo lavoro introduce una metrica a livello di azione calcolabile ad ogni istante temporale per l'interazione in tempo reale. La metrica quantifica quanto bene un'azione del robot $a_R$ discrimini l'obiettivo inferito $\theta^*$ da alternative concorrenti $\theta$. È definita come il log-rapporto della verosimiglianza dell'azione sotto l'obiettivo inferito rispetto all'alternativa più confondibile, basata su un modello di azione dell'utente razionale di Boltzmann:
  $$L(a_R | s_t, \theta^*) = \log \pi_H(a_R | s_t, \theta^*) - \log \max_{\theta \neq \theta^*} \pi_H(a_R | s_t, \theta)$$
  Valori positivi indicano che l'azione segnala fortemente l'obiettivo inferito; valori vicini allo zero indicano ambiguità.

• Framework di Ottimizzazione Duale: Il robot seleziona le azioni bilanciando le prestazioni del compito (minimizzazione della distanza dall'obiettivo) e la leggibilità. La funzione obiettivo è:
  $$a^*_R = \arg \max_{a_R \in A_R} [\lambda L(a_R | s_t, \theta^*) + Q(a_R, s_t, \theta^*)]$$
  dove $\lambda$ pesa l'importanza della leggibilità. Quando $\lambda=0$, il sistema ritorna alla standard autonomia condivisa efficiente.

• Allocazione dell'Autorità Adattiva Consapevole della Confidenza: Per gestire il compromesso tra la rivelazione delle credenze e il mantenimento del controllo, il sistema regola dinamicamente il peso dell'autorità $\beta_t$ dato all'utente. Questo peso è modulato da due fattori:

  1. Confidenza dell'Inferenza ($b_t$): Il robot concede a se stesso maggiore autorità (minore $\beta_t$) solo quando la confidenza della sua credenza supera una soglia.
  2. Prossimità all'Obiettivo ($d_t$): Il robot aumenta la propria autorità man mano che si avvicina all'obiettivo, dove la discriminazione precisa dell'obiettivo è più critica.
     Quando l'utente rilascia il dispositivo di input, il robot assume il controllo totale, permettendo la delega una volta che l'utente percepisce la corretta inferenza.

Contributi Chiave

1. Metrica di Leggibilità a Livello di Azione: Una metrica computazionalmente efficiente che consente la comunicazione in tempo reale dell'intento tramite la leggibilità, distinta dall'ottimizzazione della traiettoria offline.
2. Framework di Autonomia Condivisa Leggibile: La prima integrazione della leggibilità nell'autonomia condivisa per rivelare le credenze sugli obiettivi dell'utente (anziché gli obiettivi propri del robot), accoppiata con una strategia di autorità adattiva che segnala i livelli di confidenza.
3. Validazione Empirica: Studi sugli utenti esaustivi che dimostrano come il moto leggibile migliori la trasparenza e riduca lo sforzo dell'utente.

Risultati Sperimentali
L'approccio è stato validato attraverso due studi: una simulazione 2D con 20 partecipanti e un esperimento fisico con un braccio robotico Dobot CR5 a 6 DOF con 15 partecipanti.

• Trasparenza e Comprensione: Nella simulazione, il moto leggibile ha migliorato significativamente la capacità degli utenti di percepire se il robot comprendesse la loro intenzione (aumentando dal 38% nella SA standard al 96–99% nella SA leggibile) e di identificare correttamente l'obiettivo inferito.
• Esperienza Soggettiva: Gli esperimenti fisici hanno mostato un aumento del 62% nell'intuitività percepita e un aumento del 55% nei punteggi di qualità della collaborazione per l'autonomia condivisa leggibile rispetto all'autonomia condivisa standard. È stata trovata una forte correlazione positiva ($r=0.926$) tra la comprensione percepita e la qualità della collaborazione.
• Sforzo di Controllo: L'autonomia condivisa leggibile ha ridotto significativamente lo sforzo di controllo dell'utente del 27% negli esperimenti fisici (e del 47% nella simulazione), poiché gli utenti potevano delegare il controllo prima quando percepivano la corretta inferenza.
• Compromesso sulla Durata del Compito: Lo studio ha rilevato un aumento del 12% della durata del compito negli esperimenti fisici. Ciò è attribuito alle traiettorie che deviano dal percorso più breve per stabilire una chiara identità dell'obiettivo. Gli autori sostengono che questo compromesso sia accettabile per la robotica assistiva, dove la riduzione del carico fisico e l'aumento della comprensibilità del sistema sono prioritari rispetto alla velocità pura.

Significatività e Rivendicazioni
L'articolo sostiene che l'autonomia condivisa leggibile trasformi l'interazione da un'inferenza unidirezionale a una collaborazione bidirezionale trasparente. Modulando le caratteristiche del moto per rivelare le credenze interne, il sistema permette agli utenti di regolare dinamicamente le loro strategie di controllo — riducendo l'input quando la comprensione è confermata o correggendo gli errori immediatamente quando vengono rilevati i malintesi.

Gli autori concludono che, sebbene la leggibilità debba essere calibrata sul compito piuttosto che massimizzata indiscriminatamente (poiché un moto eccessivamente assertivo può talvolta ridurre la collaborazione percepita), il moto assistivo può effettivamente trasportare informazioni sullo stato di credenza del robot. Ciò colma il divario di trasparenza, spostando l'autonomia condivisa da un'assistenza "silenziosa" verso un team building uomo-robot più comprensibile. Il lavoro riconosce i limiti, inclusa la necessità di valutare inferenze errate ad alta confidenza e la generalizzazione a scene ingombre con molti obiettivi candidati.