Responsibility and Engagement -- Evaluating Interactions in Social Robot Navigation

Each language version is independently generated for its own context, not a direct translation.

Stel je voor dat je door een drukke supermarkt loopt. Je ziet een winkelwagen die recht op je af komt. Wat doe je? Je stapt misschien opzij, of je wacht even. In de wereld van sociale robotnavigatie (SRN) is dit precies hetzelfde, maar dan met robots die proberen mensen niet aan te raken.

Het probleem is: hoe weten we of een robot zich goed of slecht gedraagt? Bestaande meetlatjes kijken vaak alleen naar de uitkomst: "Hebben ze elkaar geraakt of niet?" Maar dat vertelt ons niet wie er eigenlijk de schuld is van de chaos of wie er het meest heeft geholpen om het op te lossen.

De auteurs van dit paper, Malte Probst en zijn collega's, hebben twee nieuwe meetinstrumenten bedacht om dit gedrag te meten. Ze noemen ze Verantwoordelijkheid (Responsibility) en Betrokkenheid (Engagement).

Hier is een uitleg in simpele taal, met behulp van een paar creatieve vergelijkingen.

1. Het Probleem: De "Wie is de schuldige?"-Vraag

Stel je voor dat twee mensen op een smalle brug naar elkaar toe lopen. Ze botsen bijna.

De oude manier van meten: "Ze hebben elkaar net niet geraakt. Geweldig!" (Maar wie heeft er eigenlijk uitgeweken? De robot of de mens?)
De nieuwe manier: De auteurs willen weten: "Wie heeft de druk opgevoerd en wie heeft de druk verlaagd?"

2. De Twee Nieuwe Meetinstrumenten

A. Verantwoordelijkheid (Responsibility) – De "Redder"

Dit meetinstrument kijkt naar wie er actie heeft ondernomen om een botsing te voorkomen.

De Analogie: Denk aan een danspartij. Als twee dansers op elkaar afkomen en er dreigt een botsing, is de persoon die een stapje opzij zet of zijn tempo vermindert, de "redder". Hij neemt de Verantwoordelijkheid voor het oplossen van het probleem.
In de praktijk: Als een robot ziet dat hij bijna op een mens botst en zachtjes remt, krijgt de robot een hoge score voor Verantwoordelijkheid. Als de robot niets doet en de mens moet uitwijken, krijgt de mens de score (en de robot een lage score, wat betekent dat hij niet sociaal genoeg was).
Nieuwe toevoeging: In dit paper kijken ze ook naar het moment voordat de botsing dreigt. Soms bouwen mensen of robots onzorgvuldig een situatie op (bijvoorbeeld door te snel te lopen). De nieuwe methode meet ook die opbouw.

B. Betrokkenheid (Engagement) – De "Probleemvererger"

Dit meetinstrument kijkt naar wie er de situatie erger maakt.

De Analogie: Stel je voor dat je in een drukke ruimte loopt en iemand loopt plotseling sneller of draait zich scherp naar jou toe, waardoor je moet uitwijken. Die persoon heeft de spanning verhoogd. Hij heeft Betrokkenheid (in de zin van: hij heeft de situatie "aangescherpt").
In de praktijk: Als een robot een mens achtervolgt en plotseling versnelt, of als iemand in een groepje de weg blokkeert, stijgt hun "Betrokkenheid"-score. Het is niet altijd kwaadaardig; soms gebeurt het omdat iemand een gesprek wil beginnen of een doel wil bereiken, maar het maakt de situatie voor de ander moeilijker.

3. Hoe hebben ze dit getest? (De Experimenten)

De auteurs hebben een virtuele wereld gecreëerd met robots en mensen (die ze Alice en Bob noemen) om hun meetinstrumenten te testen.

Scenario 1: De Kruising. Twee lopen op elkaar af.
- Als beide stilstaan en botsen: Niemand heeft verantwoordelijkheid, de "tijd" lost het op (door een crash).
- Als de robot uitwijkt: De robot krijgt 100% verantwoordelijkheid.
- Als beiden uitwijken: Ze delen de verantwoordelijkheid (bijv. 50/50).
Scenario 2: De Groep. Een robot moet door een groepje van twee mensen lopen.
- Als de robot dwars door het groepje loopt (ze uit elkaar duwt), krijgt hij een lage verantwoordelijkheidsscore en een hoge "Betrokkenheid" (want hij maakt het de mensen lastig).
- Als de robot netjes om de groep heen loopt, is de score veel beter.
Scenario 3: De Drukte. Een robot in een volle zaal.
- Een "slimme" robot (die vooruitkijkt) krijgt een hogere verantwoordelijkheidsscore dan een "domme" robot (die pas remt als hij bijna botst). De slimme robot lost problemen op voordat ze ontstaan.

4. Waarom is dit belangrijk?

Vroeger keken we alleen naar het resultaat: "Is er een ongeluk gebeurd?"
Nu kunnen we kijken naar het proces:

Is de robot voorspelbaar? (Hoeveel verantwoordelijkheid neemt hij?)
Is de robot onnodig agressief? (Hoeveel Betrokkenheid heeft hij?)

Dit helpt ontwikkelaars om robots te maken die niet alleen veilig zijn, maar ook sociaal acceptabel. Een robot die altijd uitwijkt en nooit de druk opvoert, voelt voor mensen als een aardige, voorspelbare gesprekspartner.

Samenvatting in één zin

Dit paper introduceert twee nieuwe regels om te meten wie er in een drukke situatie de "goede" dansstap zet (Verantwoordelijkheid) en wie er per ongeluk de muziek te hard zet (Betrokkenheid), zodat robots kunnen leren hoe ze zich het meest menselijk en beleefd gedragen.

Each language version is independently generated for its own context, not a direct translation.

Hier is een gedetailleerde technische samenvatting van het artikel "Responsibility and Engagement – Evaluating Interactions in Social Robot Navigation" in het Nederlands.

Probleemstelling

Binnen het onderzoek naar Sociale Robotnavigatie (SRN) is het cruciaal om de kwaliteit van robottrajecten in menselijke omgevingen te evalueren. Bestaande meetwaarden (metrics) voor navigatie, zoals kinematica (versnelling, jerk), afstandsmetingen (bijv. Clearing Distance) of voorspellingsmetrieken (bijv. Minimum Time-To-Collision), hebben een belangrijke beperking: ze kunnen niet causaal vaststellen welke agent (mens of robot) verantwoordelijk is voor het oplossen of verergeren van een conflict.

In de praktijk compenseren mensen vaak voor de beperkingen van robots door zelf uit te wijken, wat leidt tot ongewenste situaties bij grootschalige robotdeployments. Er is behoefte aan meetwaarden die de bijdrage van elke agent aan de escalatie of de-escalatie van een conflict kwantificeren, zodat men de "sociale conformiteit" van een navigatiealgoritme objectief kan beoordelen.

Methodologie

De auteurs bouwen voort op eerder werk (Probst & Wenzel, 2025) en introduceren een uitgebreid raamwerk met twee nieuwe kernmetrieken: Responsibility (R) en Engagement (E).

1. Conflict Potentieel en Normalisatie

Conflict Potentieel (CP): Gebaseerd op de Predicted Distance of Closest Encounter (pDCE). Dit is de voorspelde minimale afstand tussen twee agenten als ze hun huidige snelheid en richting aanhouden.
- Formule: $CP(t) = \max(0, 1 - \frac{pDCE(t)}{r_1 + r_2})$ .
- Een waarde van 1 betekent een directe botsing; 0 betekent geen botsing.
Conflict (C): De oorspronkelijke CP-metriek negeert de opbouwfase van een conflict. De auteurs introduceren een tijdsnormalisatie ( $N(t)$ $N (t)$ ) rond het tijdstip van de dichtste nadering (Time of Closest Encounter, TCE).
- Alleen gedurende een "gewogen venster" ( $N_W$ ) voor de TCE wordt het conflict als relevant beschouwd. Dit voorkomt dat agenten verantwoordelijk worden gehouden voor hun gedrag lang voordat ze elkaar in de gaten hebben.
- $C(t) = CP(t) \cdot N(t)$ .

2. Agentgedrag en Bijdrage

Om de bijdrage van een agent te bepalen, vergelijken ze het werkelijke gedrag met een referentiegewijs gedrag ( $B_{ref}$ ).

Referentiegewijs gedrag: In dit artikel wordt aangenomen dat een agent zonder interactie gewoon met constante snelheid zou doorgaan.
Conflict Bijdrage (CC): De verandering in het conflict ( $C$ $C$ ) veroorzaakt door de verandering in het gedrag van een agent.
- $CC^+$ : Bijdrage aan escalatie (conflict verergeren).
- $CC^-$ : Bijdrage aan de-escalatie (conflict oplossen).
Tijdsbijdrage: Een deel van de conflictverandering wordt toegeschreven aan de tijd zelf (bijv. als agenten simpelweg op elkaar aflopen zonder actie). Dit wordt gescheiden van de actieve bijdragen van de agenten.

3. Definitie van de Metrieken

Responsibility (R): De fractie van de totale conflictreductie die door een agent (of tijd) is bijgedragen.
- $R_x = \frac{1}{C_{total}} \int CC^-_x(t) dt$ .
- Een hoge $R$ betekent dat de agent actief heeft bijgedragen aan het oplossen van het conflict.
Engagement (E): De fractie van de totale conflictescalatie die door een agent is bijgedragen.
- $E_x = \frac{1}{C_{total}} \int CC^+_x(t) dt$ .
- Een hoge $E$ betekent dat de agent het conflict actief heeft verergerd (niet noodzakelijk met kwaadaardige intentie, maar door gedrag dat de situatie verslechtert).

Belangrijkste Bijdragen

Uitbreiding van de Responsibility-metriek: De oorspronkelijke metriek werd uitgebreid om de opbouwfase van een conflict te omvatten via tijdsnormalisatie, waardoor het gevoeliger is voor dynamische interacties.
Introductie van Engagement: Een nieuwe metriek die specifiek meet hoe agenten een conflict verergeren, wat essentieel is om "onvoorspelbaar" of "agressief" gedrag te detecteren.
Toepasbaarheid op verschillende scenario's: Het raamwerk is getest op dyadische interacties (twee agenten), groepsinteracties (drie agenten) en menigtes (crowd navigation), en is in staat om zowel longitudinale (snelheid) als laterale (uitwijken) bewegingen te analyseren.
Flexibiliteit in interpretatie: De metrieken kunnen worden aangepast voor puur botsingsvermijding of voor het respecteren van persoonlijke ruimte (proxemics) door de straal van de agenten in de formule aan te passen.

Resultaten uit Experimenten

De auteurs hebben vijf experimenten uitgevoerd in simulaties:

Experiment 1 (Dyadische Interacties): In scenario's met frontale aanpak, kruising en inhalen, slaagden de metrieken erin om correct te identificeren welke agent uitweek.
- Als beide agenten reageerden, werd de Responsibility eerlijk verdeeld (bijv. 50/50).
- Als slechts één agent reageerde, kreeg die agent 100% van de Responsibility.
- De metriek onderscheidde ook context: een agent die van achteren wordt ingehaald, heeft geen Responsibility als deze niet uitwijkt (wat acceptabel is), terwijl een robot die van achteren nadert wel verantwoordelijk is.
Experiment 2 (Groepsverdeling): Een robot die door een groep van twee mensen loopt, toonde aan dat de metriek complexe interacties kan ontrafelen. Een strategie waarbij de robot tussen twee mensen door gaat, resulteerde in lagere Responsibility en hogere Engagement (verergering van het conflict met de tweede persoon) vergeleken met een strategie waarbij de robot langs de groep ging.
Experiment 3 (Menigte Navigatie): Vergelijking van een "blinde" (ballistische) robot, een kortzichtige robot (DWA) en een voorspellende robot (Social Force).
- De voorspellende robot had de hoogste gemiddelde Responsibility (d.w.z. loste meer conflicten op) maar ook hogere Engagement (door meer manoeuvres).
- De blinde robot liet bijna alle Responsibility bij de mensen.
Experiment 4 (Vangspelen): Een scenario waarbij een robot wordt achtervolgd. De metriek toonde aan dat de achtervolger (Alice) het conflict verergerde (hoge Engagement), terwijl de vluchter (Robot) het conflict oploste (hoge Responsibility).
Experiment 5 (Persoonlijke Ruimte): Door de straal van de agenten te vergroten (van 0,5m naar 1,0m), werd de metriek gebruikt om persoonlijke ruimte te evalueren. Een robot die dicht langs iemand gaat zonder te botsen, maar wel de persoonlijke ruimte schendt, krijgt nu een lagere Responsibility en een hogere Time-bijdrage (overblijvend conflict), wat aantoont dat de metriek bruikbaar is voor proxemics.

Betekenis en Conclusie

De voorgestelde metrieken Responsibility en Engagement bieden een krachtig instrument voor de evaluatie van sociale robotnavigatiealgoritmen. Ze vullen bestaande meetwaarden aan door de causale bijdrage van agents te kwantificeren.

Voor Ontwikkelaars: De metrieken kunnen worden gebruikt als doelwitfunctie (loss function) voor het trainen van leer-gebaseerde navigatiealgoritmen om sociaal wenselijk gedrag te bevorderen.
Voor Evaluatie: Ze maken het mogelijk om verschillende trajecten in dezelfde context objectief te vergelijken. Een algoritme met een hogere gemiddelde Responsibility wordt geacht "voorzichtiger" of "sociaal bewuster" te zijn.
Beperkingen: De auteurs erkennen dat de metrieken momenteel voornamelijk dyadisch zijn en dat de interpretatie (normatieve waarde) afhankelijk is van de context. Toekomstig werk richt zich op het "grounden" van deze metrieken met data van mens-mens interacties om te bepalen welke waarden mensen als acceptabel ervaren.

Kortom, dit werk legt een fundamentele basis voor het begrijpen van wie "schuld" is aan een botsing en wie de "oplosser" is, wat essentieel is voor het ontwikkelen van robots die veilig en natuurlijk in menigten kunnen navigeren.