Longitudinal Robot Learning from Demonstration with Care Providers in a Home Environment

技術要約：家庭環境におけるケア提供者による縦断的なロボット学習による実演（Learning from Demonstration）

問題提起
学習による実演（Learning from Demonstration: LfD）は、非専門家が明示的なプログラミングを行うことなく、新しいスキルをロボットに教えることを可能にする。しかし、非専門家を対象としたLfDのユーザビリティ評価の多くは、ロボティクス研究者が立ち会う制御された実験室の設定で行われている。これにより、ライブの専門家によるフィードバックがない、非構造的で動的な家庭環境において、非専門家であるエンドユーザーがロボットを教える際に直面する障壁を理解する上で、空白が生じている。さらに、先行研究ではデモンストレーターが複数回のセッションを経て向上することが示唆されているものの、非専門家、特にケア提供者が、現実的な家庭環境において、時間の経過とともに介助タスクを教えることにどのように適応していくかに関する縦断的なデータは不足している。

手法
著者らは、Georgia Tech Aware Homeという本物の家庭環境において、3回の訪問にわたって実施される被験者実験を提案している。本研究は、ロボティクスやコンピュータサイエンスの経験がない層（看護師やセラピストなどのフォーマルなケア提供者、および家族などのインフォーマルなケア提供者の両方）を対象としている。

• システムアーキテクチャ:

  • 知覚（Perception）: システムは、YOLOEを用いた物体検出およびセグメンテーションを用いて、Intel RealSenseカメラからのRGB-Dストリームを処理する。深度測定は3Dポイントクラウドへと逆投影され、物体のポーズは、定義された形状に対する反復最近接点（ICP）レジストレーションを用いて推定される。
  • 学習アルゴリズム: ロボットは、エンドエフェクタおよび追跡対象のポーズに対して、カルテシアン確率的運動プリミティブ（ProMPs）を利用する。ProMPsは、限られたデモンストレーションからの学習能力、迅速なトレーニング時間、および行動クローニングやVision-Language Actionモデルと比較した際の物体ポーズの変化に対する堅牢性の観点から選択された。
  • インターフェース: 参加者がタスクを低レベルのスキルへと分解し、それらを実演し、スキルの「レシピ」を作成することを可能にするインタラクティブなインターフェース。

• 実験条件:
  本研究は、以下の2つの条件を用いた被験者間デザインを採用している。

  1. PT+AF 条件: 参加者は、訪問1において**事前トレーニング（Pre-Training: PT）を受ける。ここでは、タスクの分解を試み、最適な分解方法およびエキスパートによるデモンストレーションのビデオを視聴する。その後、訪問2および訪問3において適応型フィードバック（Adaptive Feedback: AF）**を受ける。
  2. AF 条件: 参加者は訪問1をスキップし、訪問2および3においてのみAFを受ける。

• フィードバックメカニズム (AF):

  • 基盤モデル（Foundation Model: FM）フィードバック: タスク分解の汎用性に関するガイダンスを提供する。反復的な明確化モジュールにより、初心者が十分な詳細さを持ってドメインとタスクを定義することを支援する。
  • 実ロボット再生（Real Robot Replay: RRR）: ユーザーの観察のために、ロボットが物理環境内で学習したポリシーを実行する。
  • 拡張現実（Augmented Reality: AR）フィードバック: ロボットがAR内でポリシーを実行し、物理的なリスクや時間のかかる相互作用なしに、ユーザーが性能と汎用性を可視化できるようにする。

• 手順:

  • 訪問1: PT条件の参加者は、定義されたドメイン（例：タッパーの積み重ね）におけるタスクを教える。
  • 訪問2: 参加者は、3種類のAFすべてが利用可能な状態で、新しいドメインにおける追加のタスクを教える。
  • 訪問3: 参加者は、AFが利用可能な状態で、カスタムドメインおよびタスクを定義する。
  • 指標: 本研究では、タスク完了率、予測と実際のロボット性能の一致度、およびユーザーエクスペリエンス指標（ユーザビリティ、受容性、学習された信頼、およびワークロード）を評価する。統計分析には、混合効果を用いた多重線形回帰を用いる。

主な貢献

1. 実験設計: 本論文は、事前トレーニングと適応型フィードバックを活用し、非専門家のエンドユーザーと共に家庭環境でLfDシステムを展開することの課題と機会を特徴付けるために設計された、被験者実験を提案している。
2. データセットの公開: 著者らは、ケア提供者がロボットに介助タスクを教える、複数回の訪問を含むデータセットをオープンソース化することを提案している。このデータセットには、自然言語による記述、ポイントクラウド、エンドエフェクタ/関節の軌跡、音声、およびビデオ映像（一人称視点および三人称視点）が含まれる。これは、MIMEやRoboProといった既存のデータセットを、現実的な、複数回の訪問による介助タスクによって補完することを目指している。

結果と成果
本論文は提案された研究およびデータ収集フレームットの概要を述べるものであるため、完了した実験からの最終的な統計結果や特定の性能指標は報告していない。代わりに、「成果」セクションでは、意図された成果物を詳述している。

• インタラクティブなロボット学習アルゴリズムの標準的なベンチマークを可能にするための、縦断的なデータセットのリリース。
• 3つのリサーチクエスチョン（タスク性能の違い、予測の一致、およびユーザーエクスペリエンス）に関連するヒューマンファクターの知見の報告。
• 介助タスクのために家庭環境でLfLシステムを展開する研究者および実務者のための、特にケア提供者と複数回の訪問データ収集に特化した設計ガイドラインの提案。

意義
本論文は、LfD研究の「生態学的妥当性」に対処することでその意義を主張している。研究を実験室から現実の家庭環境へと移行させ、ケア提供者を対象とした縦断的研究に焦点を当てることで、本研究は、ライブの専門家によるフィードバックなしにロボットを教える際に非専門家が直面する具体的な障壁を特定しようとしている。得られるデータセットと設計ガイドラインは、非構造的な人間の環境に適応できる、より堅牢でパーソナライズされた、ユーザーフレンドリーな介助ロボティクスの開発を促進することを目指している。