Riassunto Tecnico: StARS – Azioni Robotiche Socialmente Appropriate tramite un Approccio Basato su un Sistema di Raccomandazione

1. Definizione del Probleamento

La appropriatezza sociale nell'Interazione Uomo-Robot (HRI) non è universale; essa presenta una significativa variabilità inter-soggettiva. La stessa azione robotica in un contesto identico può essere percepita come utile da un utente e come intrusiva o insicura da un altro. Gli approcci esistenti spesso si affidano a valutazioni umane aggregate o a rappresentazioni condivise dell'appropriatezza, il che smussa i disaccordi significativi e non riesce a catturare le norme individuali degli utenti. Questo limite ostacola l'impiego dei robot in contesti di prossimità (ad es. case, assistenza sanitaria) dove la personalizzazione è essenziale.

La sfida centrale affrontata è come modellare e prevedere azioni socialmente appropriate che si allineino alle preferenze di uno specifico utente, in particolare quando il feedback sulle preferenze è scarso e costoso da raccogliere. Gli autori riformulano la generazione di azioni socialmente appropriate come un problema di modellazione delle preferenze, traendo ispirazione dai sistemi di raccomandazione (RS) per trattare gli annotatori come utenti, le scene come item e i punteggi di appropriatezza come target.

2. Metodologia: Il Framework StARS

Gli autori propongono StARS (Socially Appropriate Robot Actions), un framework agnostico rispetto al modello che integra il Filtraggio Collaborativo (CF) con rappresentazioni di scena apprendibili.

A. Formulazione del Problema

Inveve di prevedere un punteggio aggregato $y_{i,a}$ per una scena $i$ e un'azione $a$, StARS prevede un punteggio personalizzato $\hat{y}_{u,i,a}$ per un utente specifico $u$. Il sistema apprende da un dataset $D$ di annotazioni $(u, i, a, y_{u,i,a})$.

B. Architettura e Componenti

StARS aumenta un encoder di scena differenziabile $\phi_\theta$ con un modulo di Filtraggio Collaborativo basato sulla Fattorizzazione di Matrice (MF). La funzione di previsione $f(u, i, x_i, a)$ combina:

1. Fattori Latenti: Embedding di utente condivisi ($p_u$) e embedding di scena condivisi ($q_i$) appresi tramite MF per catturare le tendenze sistematiche di valutazione.
2. Embedding delle Azioni: Embedding specifici per l'azione ($r_a$) per gestire molteplici azioni candidate.
3. Fusione Residua: Per mitigare la scarsità dei dati e incorporare informazioni sul contenuto, il framework fonde i segnali collaborativi con le caratteristiche del contenuto della scena ($h_i = \phi_\theta(x_i)$):
   • Fusione Residua della Scena: Un embedding di scena ibrido $\bar{q}_i = q_i + h_i$ arricchisce l'embedding collaborativo dell'item con le caratteristiche del contenuto (ad es. disposizione spaziale, relazioni tra oggetti).
   • Fusione Residua dell'Interazione: La previsione finale incorpora l'interazione utente-scena ($p_u \odot \bar{q}_i$) e aggiunge la caratteristica del contenuto $h_i$ come termine residuo. Ciò fornisce una scorciatoia del contenuto indipendente dall'utente, stabilizzando le previsioni quando i fattori collaborativi sono stimati debolmente (regime di scarsità).

L'equazione di previsione finale è:
$$\hat{y}_{u,i,a} = \left( (p_u \odot \bar{q}_i) + h_i \right)^\top r_a + b_u + b_i + b$$
dove i termini $b$ rappresentano gli offset globali, dell'utente e della scena.

C. Strategia di Addestramento

StARS impiega un protocollo di addestramento in due fasi:

1. Pre-addestramento dell'Encoder di Scena: L'encoder di scena $\phi_\theta$ viene pre-addestrato con una testa lineare temporanea per prevedere l'appropriatezza dell'azione partendo dalle sole caratteristiche della scena.
2. Ottimizzazione Congiunta End-to-End: L'encoder pre-addestrato viene congelato (o perfezionato) e ottimizzato congiuntamente con i parametri del CF ($p_u, q_i, r_a, b$) utilizzando l'obiettivo completo di previsione personalizzata.

3. Contributi Chiave

• Riformulazione dell'HRI: Il paper inquadra la generazione di azioni socialmente appropriate come un problema di stima delle preferenze utilizzando tecniche di sistemi di raccomandazione, modellando esplicitamente il disaccordo tra utenti invece di aggregarlo.
• Framework Agnostico rispetto al Modello: StARS è progettato per essere integrato con vari encoder di scena (ad es. MLP, Transformer, Graph Neural Networks) e backbone senza dover riprogettare il modello sottostante.
• Robustezza alla Scarsità di Feedback: Il framework affronta specificamente la sfida del feedback sulle preferenze scarso sfruttando il filtraggio collaborativo per inferire pattern specifici dell'utente da dati limitati.
• Validazione Empirica: L'approccio è valutato su due dataset distinti: MannersDB+ (azioni a livello di task domestico) e SocNav1 (navigazione socialmente conforme).

4. Risultati Sperimentali

Gli autori hanno valutato StARS contro vari modelli backbone (MLP, ResMLP, DCNv2, GraceAE, FT-Transformer per MannersDB+; GCN, GIN, GraphSAGE, GGNN, RGCN, GAT per SocNav1) utilizzando una validazione incrociata a cinque pieghe (five-fold cross-validation).

• Miglioramento delle Prestazioni (RQ1): In tutti i backbone e i dataset, l'integrazione della componente CF (StARS) ha superato costantemente i modelli base.
  • Su MannersDB+, le varianti di StARS hanno mostrato riduzioni sostanziali dell'RMSE (ad es., da ~1.27 a ~1.13 per MLP) e aumenti significativi della correlazione di Pearson ($r$) e del coefficiente di concordanza di Lin (CCC).
  • Su SocNav1, le varianti di StARS hanno ottenuto MSE più bassi e metriche di correlazione più elevate in tutte le architetture di Graph Neural Network.
• Consistenza e Sistematicità (RQ2): L'analisi statistica (t-test accoppiati con correzione di Holm) ha confermato che i miglioramenti erano sistematici e non artefatti di specifiche pieghe o modelli. I guadagni erano statisticamente significativi ($p < 0.05$) in tutte le configurazioni testate.
• Robustezza alla Scarsità (RQ3): Gli esperimenti sulle curve di apprendimento hanno dimostrato che StARS fornisce miglioramenti sostanziali delle prestazioni anche con dati di addestramento limitati (regimi di basso dato). Le prestazioni migliorano rapidamente con le prime annotazioni, suggerendo che il metodo è efficiente dal punto di dato ed è adatto a scenari in cui la raccolta di feedback personalizzato è costosa.

5. Significato e Rivendicazioni

Il paper afferma che StARS dimostra la fattibilità dei metodi di sistemi di raccomandazione come approccio scalabile al processo decisionale personalizzato nella robotica.

• Personalizzazione senza Riprogettazione: Il framework consente la selezione di azioni specifiche per l'utente senza richiedere una riprogettazione del backbone di percezione o di decisione sottostante, supportando comportamenti più adattivi nella realtà dell'HRI.
• Variabilità Strutturata: I risultati suggeriscono che la variazione nei giudizi di appropriatezza sociale è strutturata e può essere catturata efficacemente attraverso la modellazione dell'interazione utente-scena, piuttosto che essere un rumore casuale.
• Efficienza dei Dati: L'approccio offre una via pratica per la personalizzazione nell'HRI dove i dati sono scarsi, implicando che un piccolo numero di interazioni precoci può produrre stime delle preferenze specifiche dell'utente significative.

Gli autori concludono che, sebbene StARS si concentri sull'appropriatezza sociale, la formulazione RS potrebbe estendersi ad altri compiti HRI centrati sulla personalizzazione, come l'assemblaggio collaborativo o l'assistenza adattiva, a condizione che siano presenti appropriati meccanismi di feedback.