Towards autonomous interaction for user-adaptive social robots

Abstract

This Thesis studies the methodologies and effects of social robots that automatically adapt their actions to the user they are interacting with. We aim to survey, study and improve the state of the art in user-adaptive interaction achieved by current social robots, with the ultimate goal of enhancing their autonomy in interaction. The work is split into four main parts. Part I aims to provide insight into the problem at hand, providing the motivation and theoretical background needed. The state of the art in the field is surveyed through the analysis of recent works, which are categorized into a novel taxonomy and systematically compared, taking into account aspects such as their usage of user models and their experimental maturity. This survey culminates in the determination of a number of key research and technological gaps, which motivate the remainder of the work. In Part II, we develop mechanisms that allow for the correct characterization of the user. We start by presenting a technique, BUM, which allows for the learning and storage of information on a population of users using information gathered from heterogeneous, distributed sources. In order to establish the relationship between evidence signals and true user characteristics, the Psychbot study is then presented, wherein a social robot is used to extract the psychological characteristics of its users through adapted interaction. This study involved a sample of elderly participants, allowing us to demonstrate with statistical significance that the answers provided to psychological scales by these users to a robot and to a human evaluator are correlated. Ending this part, we present a surprisal-based dataset reduction technique, which is aimed at reducing the amount of data that techniques such as BUM need to process in order to achieve acceptable results. This technique is tested on benchmark datasets, achieving competitive performance against state-of-the-art approaches. We start Part III by presenting a set of preliminary experiments performed with a preliminary approach to user-adaptive decision making. The technique presented is based on the concepts of satisfaction and expectation, and aims to learn which action the user expects in which context. A number of flaws with this technique are found, which serve as motivation for a refined version of it. Then we present apomdp and bpomdp, POMDP-based decision-making techniques able to gauge their own impact on the user through a novel State Value Reward (SVR), and learn from it using a novel operation loop. We then proceed, in Part IV, with an evaluation of the success of the work, framing it into the original research gaps. Each individual contribution is matched to the research gaps it closes, and also to the tangible outcomes it has led to. This analysis is used to derive a set of opportunities for future work, with which we end the monograph.

Esta Tese estuda as metodologias usadas e os efeitos provocados por robots sociais que adaptam automaticamente as suas acções ao utilizador com quem estão a interagir. Procuramos examinar, estudar e melhorar o estado da arte em interacção adaptativa ao utilizador actualmente conseguida por robots sociais, almejando melhorar a sua autonomia na interacção. O trabalho divide-se em quarto partes. A Parte I introduz o problema, providenciando a motivação e bases teóricas necessárias. O estado da arte na área é exposto através da análise de trabalhos recentes, que são categorizados numa nova taxonomia e comparados de acordo com a utilização de modelos de utilizador, maturidade experimental, etc. Este trabalho resulta num conjunto de lacunas tecnológicas e científicas que motivam o restante trabalho. A Parte II foca-se nos mecanismos que permitem a caracterização automática do utilizador. Começamos por apresentar o BUM, que permite a aprendizagem e armazenamento de características de uma população de utilizadores, utilizando informação recolhida por fontes heterogéneas e distribuídas. De modo a estabelecer uma relação entre os sinais de entrada e as características reais do utilizador, apresentamos o estudo Psychbot, no qual um robot social é usado para extrair as características psicológicas dos seus utilizadores. Este estudo envolveu uma amostra de participantes idosos, permitindo-nos demonstrar que existe correlação entre as respostas dadas ao robot e a um avaliador humano no contexto de uma avaliação psicológica. Terminando esta Parte, apresentamos uma nova técnica de redução de dados baseada na auto-informação, reduzindo a quantidade de dados de que técnicas como o BUM necessitam para obter resultados aceitáveis. Esta técnica é testada em dados de benchmark, conseguindo um desempenho competitivo quando comparada com técnicas do estado da arte. Iniciamos a Parte III com um conjunto de experiências envolvendo uma primeira abordagem à tomada de decisão. A técnica baseia-se nos conceitos de expectativa e satisfação, e procura aprender qual a acção que o utilizador espera em cada contexto. Esta técnica sofre de um conjunto de falhas, que são identificadas e servem de motivação para o desenvolvimento de uma versão refinada. Apresentamos de seguida o aPOMDP e bPOMDP, técnicas de tomada de decisão baseada em POMDPs capazes de avaliar o impacto das suas acções no utilizador através de um novo mecanismo de recompensa, e de aprender a partir desta informação. A Parte IV apresenta uma avaliação do sucesso do trabalho, enquadrando-o nas lacunas encontradas inicialmente. É feita a correspondência entre cada contribuição e as lacunas para cuja colmatagem contribuem, assim como os resultados tangíveis a que levou. Esta análise é usada para derivar um conjunto de oportunidades para trabalho futuro, que fecham o documento.