Legible Shared Autonomy: Implicit Communication of Robot Belief through Motion

技術要約：レジブルな共有自律性（Legible Shared Autonomy）

問題提起
共有自律システムは、ユーザーの入力と自律的な支援を組み合わせることで、運動機能に障害を持つユーザーのロボットアーム操作を補助する。しかし、根本的な「透明性の問題」がその有効性を制限している。すなわち、ユーザーはロボットがユーザーの意図した目標に関する内部的な確信（belief）を観察することができない。従来のシステムは効率性を優先し、推論された目標への最短経路に沿って移動する。しかし、類似した方向に複数の物体が存在する場合（例：散乱したテーブルの上にあるティッシュとカップ）、この効率的な動きは曖昧になる。これにより、2つの決定的な失敗モードが生じる：

1. 不必要な努力： ロボットが目標を正しく推論している場合でも、ユーザーはロボットが自身の意図を理解していることを感知できないため、継続して制御入力を提供し続け、ロボットに委任できるはずの労力を無駄にしてしまう。
2. エラー修正の遅れ： ロボットが意図を誤解した場合、ユーザーは支援的な動きが自身の望む軌道から大きく逸脱するまでエラーを検知できず、大幅な修正入力が必要となる。

手法
本論文は、明示的なフィードバック・インターフェースに頼るのではなく、ロボットの支援動作の特徴を通じて、推論された目標に関する自身の確信を伝える**レジブルな共有自律性（Legible Shared Autonomy）**フレームワークを提案している。

• アクションレベルのレジビリティ指標： オフラインで最適化される従来の軌跡レベルのアプローチとは異なり、本研究では各タイムステップで計算可能なリアルタイム・インタラクションのためのアクションレベルの指標を導入している。この指標は、ロボットのアクション $a_R$ が、推論された目標 $\theta^*$ を競合する代替案 $\theta$ からどの程度明確に区別できるかを定量化する。これは、ボルツマン合理的なユーザー・アクションモデルに基づき、推論された目標の下でのアクションの尤度と、最も混同しやすい代替案との対数比として定義される：
  $$L(a_R | s_t, \theta^*) = \log \pi_H(a_R | s_t, \theta^*) - \log \max_{\theta \neq \theta^*} \pi_H(a_R | s_t, \theta)$$
  正の値は、アクションが推論された目標を強く示唆していることを示し、ゼロに近い値は曖昧であることを示す。

• 二重最適化フレームワーク： ロボットは、タスクのパフォーマンス（目標への距離の最小化）とレジビリティ（明瞭性）のバランスを取りながらアクションを選択する。目的関数は以下の通りである：
  $$a^*_R = \arg \max_{a_R \in A_R} [\lambda L(a_R | s_t, \theta^*) + Q(a_R, s_t, \theta^*)]$$
  ここで、$\lambda$ はレジビリティの重要性を重み付けする。$\lambda=0$ のとき、システムは標準的な効率的共有自律へと回帰する。

• 確信度に応じた適応的な権限割り当て： レジビリティ（情報の開示）と制御の維持とのトレードオフを管理するため、システムはユーザーに与える権限の重み $\beta_t$ を動的に調整する。この重みは、以下の2つの要因によって調整される：

  1. 推論の確信度 ($b_t$)： ロボットは、自身の確信度が閾値を超えた場合にのみ、自身への権限を強める（$\beta_t$ を低くする）。
  2. 目標への近接度 ($d_t$)： ロボットは、目標の識別が最も重要となる目標接近時に、自身の権限を増大させる。
     ユーザーが入力デバイスを離すと、ロボットはフルコントロールを想定し、ユーザーが正しい推論を感知した際に委任が可能となる。

主な貢献

1. アクションレベルのレジビリティ指標： リアルタイムの意図伝達を可能にする計算効率の高い指標であり、オフラインの軌跡最適化とは異なる。
2. レジブルな共有自律フレームワーク： ロボット自身の目標ではなく、ユーザーの目標に関する「確信」を明らかにするためにレジビリティを統合した初の共有自律システムであり、確信レベルを信号として伝える適応的な権限戦略を併せ持つ。
3. 実証的検証： レジブルな動きが透明性を向上させ、ユーザーの努力を軽減することを実証する包括的なユーザー調査。

実験結果
本アプローチは、20名の参加者による2Dシミュレーションと、15名の参加者による6自由度Dobot CR5ロボットアームを用いた物理実験の2つの研究を通じて検証された。

• 透明性と理解度： シミュレーションにおいて、レジブルな動きは、ユーザーがロボットが自身の意図を理解しているかどうかを感知する能力を大幅に向上させた（標準的なSAの38%から、レジブルなSAでは96〜99%へ向上）。また、推論された目標を正しく特定する能力も向上した。
• 主観的体験： 物理実験では、標準的な共有自律と比較して、レジブルな共有自律は直感性の認知が62%向上し、協調品質スコアが55%向上したことが示された。また、理解された感覚と協調品質の間には強い正の相関（$r=0.926$）が見られた。
• 制御努力： レジブルな共有自律は、物理実験においてユーザーの制御努力を27%減少させた（シミュレーションでは47%減少）。これは、ユーザーが正しい推論を感知した際に、より早く制御を委任できたためである。
• タスク時間のトレードオフ： 本研究では、物理実験においてタスク時間が12%増加したことが指摘されている。これは、目標の同一性を明確にするために、軌跡が最短経路から逸脱することに起因する。著者らは、物理的な負荷を軽減しシステムの理解しやすさを高めることが優先される支援ロボティクスにおいて、このトレードオフは許容可能であると主張している。

意義と主張
本論文は、レジブルな共有自律が、一方的な推論から透明性の高い双方向のコラボレーションへと相互作用を変容させると主張している。動作特性を調整して内部の確信を明らかにすることで、システムはユーザーが制御戦略を動的に調整することを可能にする。つまり、理解が確認された場合には入力を減らし、誤解が検出された場合には即座に修正を行うことができる。

著者らは、レジビリティは単に最大化すべきものではなく、タスクに応じて調整されるべきである（過度に断定的な動きは、時に知覚される協調性を低下させることがあるため）と結論付けている。しかし、支援的な動作は、ロボットの確信状態に関する情報を効果的に運ぶことができる。これにより、透明性のギャップを埋め、共有自律を「沈黙の支援」から、より理解しやすい人間とロボットのチーム形成へと進化させる。本研究は、高確信度での誤った推論への対応や、多くの候補目標が存在する混雑したシーンへの汎用性といった限界についても言及している。