Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
로봇이 과거의 협업 패턴을 지식 그래프 형태의 에피소드 기억으로 저장하고 재사용하여 인간과의 팀워크를 향상시키는 연구를 소개합니다. 실험 결과, 이전 경험을 활용한 로봇 초기화가 구조 성공률을 높이고 작업 시간을 단축함을 입증했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기효과적인 인간-로봇 팀워크(human-robot teamwork)를 위해서는 로봇이 상호작용의 시작부터 파트너, 상황 및 작업 역학(task dynamics)에 적응해야 합니다. MATRX 도시 수색 및 구조 (USAR) 환경에서, 사람들은 팀워크 중에 발견한 협업 패턴 (CPs)을 채팅 및 성찰 인터페이스를 통해 외재화할 수 있습니다. 우리는 로봇이 이러한 이전의 팀 경험을 사용하여 향후 상호작용에서 더 나은 팀원이 될 수 있는지 연구합니다. 이를 위해, 우리는 과거의 CPs를 지식 그래프(knowledge-graph) 에피소드 기억(episodic memories)으로 표현하고, 재사용을 위한 대표적이고 효과적인 기억을 식별하기 위해 노드 분류 (node-classification) 목적 함수를 가진 그래프 표현 학습 (graph representation learning)을 사용합니다. 그런 다음 새로운 협업 에피소드가 시작되기 전에 이 기억으로 로봇을 초기화합니다. 20명의 참가자와 160개의 라운드 수준 관찰을 통해, 자동으로 선택된 단일 이전 CP로 로봇을 초기화했을 때 구조 성공률이 25.7%에서 41.3%로 증가하고 평균 작업 시간이 283초 단축되었습니다. 가장 큰 이득은 상호작용의 시작 부분에서 나타나며, 이는 재사용 가능한 에피소드 기억이 로봇이 더 효과적인 작업 지식을 가지고 협업에 참여하고 더 원활한 초기 팀워크를 지원하는 데 도움이 될 수 있음을 시사합니다.