Stochastic Decision-Making Framework for Human-Robot Collaboration in Industrial Applications

技術要約：産業応用における人間とロボットの協調のための確率的意思決定フレームワーク

問題提起
協働ロボット（コボット）の産業環境への導入により、作業形態は、安全性が制約された単独作業から、ロボットと人間がワークスペースを共有する協調的な環境へと移行している。既存の研究では、センサー（ビジョン、近接、EMG）を用いて人間の意図を検出する手法が効果的に活用されているが、人間の要因、特に感情状態（モチベーションと攻撃性）や動的な行動特性に伴う不確実性を扱う上では、依然として大きな課題が残っている。現在の安全メカニメントは、静的な筋骨格モデルや単純な距離閾値に依存していることが多く、人間の行動が確率論的である開放的で制約のない環境においては、不十分な場合がある。本研究が取り組む核心的な問題は、安全性と効率性の両立を保証するために、不確実性下において人間の行動や感情を予測できる意思決定フレームワークの必要性である。

手法
本論文では、部分観測マルコフ決定過程（POMDP）に基づく確率的意思決定フレームワークを提案する。このアプローチは、固定された人間モデルを仮定するのではなく、観察されたデータから人間モデルを学習することで、モチベーションや攻撃性といった隠れた状態（ヒドゥン・ステート）を扱う。

1. 状態空間の定式化: モデルは、以下の5つの変数タイプを含む包括的な状態空間（$S$）を定義する：

   • タスク割り当て ($\tau$): 優先度、期間、性質（ロボットのみ、人間のみ、または協調型）、およびコミットメント状況を含む。
   • 距離 ($d$): 新しい「トライサークル（三円）」安全アプローチを用いてモデル化される。これら3つの円は、(1) 人間の作業空間、(2) 両腕を最大限に伸ばした状態（攻撃的な動作）、(3) 人間が転倒した状態（事故）を表す。ロボットは文脈に応じて適切な安全円を動的に選択する。
   • 人間の感情 ($e$): モチベーションレベルと攻撃性レベルを含み、これらは観察から推論される隠れた状態である。
   • 人間の活動 ($h$) およびロボットの活動 ($b$): 両エージェントの現在の優先度とタスクの進行状況を表す。

2. 観測と推論: 感情状態は直接観測できないため、システムは人体位置、関節角度、および角速度（例：視覚センサーによるもの）からなる観測空間（$O$）を利用する。POMDPフレームワークは、これらの観測を用いて、隠れた状態（モチベーションや攻撃性など）に対する信念状態（確率分布）を更新する。

3. 意思決定変数: ロボットのアクション集合（$D$）には以下が含まれる：

   • 通常作業モード ($nw$)
   • 人間に単独作業を依頼する ($rh1$) または協調作業を依頼する ($rh2$)
   • 人間を動機付ける ($mh$)
   • タスクへのコミットメントを行う ($ct$)
   • 距離の調整（距離を広げる $dp$、または縮める$dm$）
   • 何もしない／アイドルモード ($dn$)

4. コスト関数: 目的関数（$J$）は、3つの目標のバランスを取る：衝突の回避（攻撃性レベルに基づいた安全距離の維持）、タスクの効率的な完了、および人間の感情への配慮。このコスト関数は、不安全な距離、未割り当てのタスク、低いモチベーション、および誤ったタスク割り当てに対してペナルティを課す。

5. 解決手法: 著者らは、基礎となるMDPを解き、最適な方策を導出するために価値反復法（Value Iteration）を採用している。部分観測性を扱うために、ヒューリスティックなアクション選択法が用いられる。これは、ロボットが信念状態の分布から重みを集計し、累積確率が最大となるアクションを選択する手法である。

主な貢献

• トライサークル安全モデル: 単一の静的な安全半径に依存するのではなく、3つの異なる人間シナリオ（作業中、ストレッチ中、転倒中）に基づいて安全ゾーンを動的に調整する、新しい安全意思決定アプローチ。
• 感情を考慮したHRC: 人間の感情状態（モチベーションと攻撃性）を意思決定ループに統合することで、ロボットが行動を適応させる（例：攻撃性が高い場合は距離を広げ、エンゲージメントが低い場合はモチベーションを高める）ことを可能にした。
• 双方向の意図予測: 人間の意図検出のみに焦点を当てた従来の研究とは異なり、本フレームワークはPOMDPを利用して双方向の相互作用を推論する。人間による決定を外生的イベントとして扱い、ロボットは安全かつスムーズな協調を促進するために自身のポリシーを最適化する。
• 統一フレームワーク: タスク管理、安全制約、および感情的推論を、単一の確率的制御フレームワーク内に組み合わせた点。

結果
提案されたフレームワークは、人間とロボットを含むシミュレーションされた産業シナリオを用いた数値ケーススタディを通じて検証された。このシミュレーションでは、優先度、期間、および協調要件（協調型、人間のみ、ロボットのみ）が異なる3つの連続したタスクを導入した。

• タスク実行: システムは、安全を維持しながら最短時間でタスクを実行するための最適な方策を特定することに成功した。
• 動的な適応: 結果は、タスクの性質に基づいてロボットが行動を調整できる能力を示した。協調タスクの場合、ロボットは近い距離（小さな安全円）を維持し、人間を動機付けた。人間のみのタスクの場合、ロボットはタスクを割り当てる前に距離を広げ、人間を動機付けた。
• 安全管理: シミュレーションにより、ロボットが「トライサークル」安全ゾーンを効果的に管理できることが示された。つまり、人間が協調タスクに従事していないときは距離を広げ、協調が必要なときは距離を縮めた。
• 信念状態の更新: システムは、観察された人間の速度に基づいて隠れた感情状態（モチベーションと攻撃性）を正常に推論し、意思決定を導くための信念状態を更新した。

意義と主張
本論文の主要な意義は、意図の検出には焦点を当てているものの、人間の感情の確率的な性質や安全の動的な要求を十分に考慮できていないという、現在のHRC研究におけるギャップに対処している点にある。POMDTを活用することで、本フレームワークは、隠れた人間の行動や不完全なセンサーデータから生じる不確実性を扱うための汎用的なアプローチを提供する。著者らは、このアプローチが協働ロボットの安全性と透明性を高め、人間の行動を予測し、リアルタイムで行動を適応させることを可能にすると主張している。結論として、ロボットの状態と不確実な人間の感情状態の両方を単一の階層構造に組み込むことは、単純な衝突回避を超えた、プロアクティブで感情を考慮した協調を実現するための包括的なソリューションを提供すると述べている。