RoboTales: ROBOTic Anthropomorphic LEarning Systems

技術要約：RoboTales – ロボットによる人間形態学習システム（ROBotic Anthropomorphic LEarning Systems）

問題提起
社会支援ロボット（SAR）は教育分野で活用が進んでいるが、それらは多くの場合、感情のニュアンス、キャラクターのアイデンティティ、あるいは複雑な物語構造を伝えることが困難な、音声、視線、または硬直したジェスチャ・ライブラリに依存している。パペット（人形劇）は、注意力の向上、感情的なエンゲージメント、および記憶の想起を高める上で歴史的に効果的であることが証明されているが、既存のロボット・ストーリーテリング・システムは、通常、スクリーンベースのアバターに依存しているか、あるいは人間の監督を必要とする。特殊なアクチュエーションや人間の監視を必要とせず、低コストでアクセシブルなハードウェアを用いて、キャラクター主導の物語を生成する自律的な身体化されたロボット・ストーリーテリングに関する文献上の空白が存在する。

手法
著者らは、ナレーション、ジェスチャ、および物理的なパペットの分節運動を同期させ、自律的なストーリーテリングを実行するモジュール式かつプラットフォームに依存しないシステムであるRoboTalesを提案する。

• ハードウェア設計: 本システムは、カスタムメイドの3Dプリントによる2自由度（2-DoF）ソックス・パペット・エンドエフェクタを使用する。これらは、首の動き（頷き）のためのMX-64と、顎の動き（口の開閉）のためのMX-28という2つのDynamixelサーボモーターによって駆動される。設計においては、低コスト、製造の容易さ、およびモジュール性を優先しており、エンドエフェクタを様々なユニマニュアル（片腕）またはバイマニュアル（両腕）ロボットに取り付けることが可能である。2つの異なるキャラクター、「バーネビー（Barneby）」（遊び心があり、好奇心旺盛）と「フィッツウィリアム（Fitzwilliam）」（控えめで、几帳面）が作成され、単純な動きを通じて明確な人間形態的キューを提供できるよう設計されている。
• ソフトウェア・パイライン: ソフトウェアは以下の3つのモダリティを調整する：
  1. 音声駆動型アクチュエーション: ナレーションは、デッドバンド（不感帯）を伴う平方平均平方根（RMS）ウィンドウを介して処理され、音声区間を検出する。この信号は顎のサーボを駆動し、音声認識を必要とせずに、校正済みの顎の角度に振幅をマッピングする。
  2. ジェスチャ生成: 腕の軌道は、確率的運動プリミティブ（ProMPs）を用いて生成される。これにより、硬直した事前録画された経路ではなく、キャラクターの個性（例：エネルギッシュな動き vs 抑制された動き）を反映した、物語の展開に合わせた多様で滑らかなジェスチャが可能となる。
  3. 同期: システムは、口の動き、腕のジェスチャ、および音声が同期して展開されることを保証する。
• 実験的検証: 10名の成人参加者を対象とした小規模な被験者間パイロット研究が行われた。参加者は以下の2つの条件のいずれかにランダムに割り当てられた：
  1. パペット・モード: Baxterロボットがソックス・パペットを用いて物語を行う。
  2. ジェスチャのみモード: Baxterが、腕のジェスチャと画面上のヴィゼム（口形）ベースの口の動きのみを使用して、同じ物語を行う。
     物語の終了後、参加者は人間・ロボット相互作用評価尺度（HRIES）および加重ストーリー想起アンケートに回答した。さらに、システムのモジュール性は、最小限の変更でABB IRB 120 ロボットアームにハードウェアとソフトウェアを移植することによって検証された。

主要な貢献

1. 再利用可能な設計パターン: 本論文は、低コストのソックス・パペット駆動と、自律的なジェスチャ生成および同期されたナレーションを統合した、身体化されたロボット・ストーリーテリングのためのモジュール式フレームワークを提示する。
2. プラットフォームに依存しない設計: 本システムは、最小限のハードウェア適応で、2つの異なるロボットプラットフォーム（BaxterおよびABB IRB 120）への展開に成功したことを示しており、異なるマニピュレータ間でのスケーラビリティを証明している。
3. 自律的なキャラクターの身体化: 本システムは、複雑なヒューマノイド・ハードウェアや人間の介入なしに、キャラクターのアイデンティティや感情を伝えるために物理的なパペットを制御する、完全自律的なストーリーテリングを実現している。

結果
パイロット研究からは、統計的推論を目的とした設計ではないものの、システムの有効性を支持する予備的な知見が得られた：

• エンゲージメントと理解度: パペット条件の参加者は、ジェスチャのみの条件と比較して、HRIESの感情的および社会的知覚の評価においてより好ましい結果を示し、より高いストーリー想起スコアを達成した。
• 自律性: システムは、ナレーション、ジェスチャ、およびパペットの分節運動を確実に同期させ、オペレーターの介入なしに完全な物語を配信することに成功した。
• モジュール性: BaxterロボットからABB IRB 120への移行には、マイナーなアダプターの修正とRAPID環境用のCSVパーサーのみが必要であり、システムの適応性（成功基準S3）が確認された。

意義と主張
本論文は、受動的なメディアに対する、スクリーンフリーで低コストな代替案を提供することで、ロボットの身体化と物語表現の間の断絶に対処すると主張している。著者らは、身体化されたパペッティングが、ジェスチャのみのモードよりも感情的なエンゲージメントと物語の理解を強化すると断言している。

本研究の意義は、教育現場における人間の意図を拡張できる可能性にある。パペット駆動型のストーリーテリングを自動化することで、本システムは、スタッフの時間が限られている学校、図書館、コミュニティセンターにおける識字能力の向上や創造的な遊びを支援することを目指している。著者らは、本システムは教育者を置き換えるためではなく、教育者のリーチを広げるために設計されていることを強調しており、子供中心の学習環境へのロボット・ストーリーテリング導入の障壁を下げることを目的としている。今後の課題として、システムへの子供参加者の追加、伝統的なパペッティングに基づく運動品質の洗練、および口のタイミングの整合性の改善が挙げられている。