ExpressMM：人とロボットの相互作用における表現力豊かなモバイル操作行動

要旨: モバイル・マニピュレータは、人間中心の環境で作業を行うためにますます導入されている。こうした作業を完了する一方で、周囲の人々に対して、表現力のあるロボットの振る舞いを通じて意図を伝えることもできるべきである。表現力のあるロボット振る舞いに関する先行研究では、あらかじめプログラムされた、またはデモンストレーションから学習した表現的な動作、ならびに大規模言語モデルによって生成された高レベルのインタラクションが用いられてきた。これら既存のアプローチの大半は、作業実行中にユーザがロボットの行動を中断したり、変更したり、別の方向へ誘導したりし得る、人とロボットのインタラクション（HRI）を考慮していなかった。本論文では、共同のHRIタスク中に表現力のあるロボット振る舞いを生成するために、視覚言語モデルに基づく知覚と言語による会話的推論のための高レベル言語ガイド型プランナと、低レベルの視覚言語アクション方策を統合する新規フレームワークExpressMMを開発する。さらにExpressMMは、ユーザによる更新またはリダイレクト指示に対応するための割り込み可能なインタラクションをサポートする。モバイル・マニピュレータを用いて、人間を支援する共同組み立てのシナリオにおいてExpressMMをデモンストレーションし、ライブのHRIデモに対して観客ベースの評価を行う。アンケート結果は、ExpressMMによって可能になった表現力のある振る舞いが、社会的に適切で理解しやすいインタラクションを支援しつつ、観察者がロボットの行動と意図を明確に解釈できるようにしたことを示している。参加者はまた、デモンストレーション中にロボットが協調タスクに有用であり、予測可能で安全な振る舞いを示したと報告しており、共同タスクにおけるロボットの有用性、安全性、予測可能性に対する肯定的な認識を促した。