私の好みで詰めて：パーソナライズ自動梱包のための三者間ヒューマンロボット協調

本論文は、居住者の好みを考慮したパーソナライズド自律梱包（personalized autonomous packing）を実現するための三者間ヒューマンロボットコラボレーション（triadic human-robot collaboration）を調査した研究である。具体的には、居住者（resident）、修正仲介者（correction mediator）、ロボットの三者からなる協調において、人間の専門家（human-expert）が仲介する場合と、音声エージェント（voice-agent）が仲介する場合を比較している。ユーザスタディを実施し、Protection、Compactness、Groupingの3つの好みカテゴリにわたって、Show-Correct-Generalizeプロセスを用いて好みの修正と、その後の周囲の物体の再配置に対する一般化を評価している。

先行研究では、シーンの幾何学的情報のみからは推測できない居住者の好みをロボットが考慮することが困難であり、専門家のテレオペレータが好みを解釈してロボットの行動に変換していたが、専門家の継続的な関与が必要でスケーラブルな展開が制限されていた。本研究は、専門家の代わりに音声エージェントを用いることで、専門家の関与を減らせる可能性を示した点が新しい。また、三者間の協調を明示的にモデル化し、人間の専門家と音声エージェントの仲介効果を比較した点も先行研究にはない貢献である。

手法の核は、三者間のインタラクションデザインと、好みの修正と一般化を評価するためのShow-Correct-Generalizeプロセスにある。具体的には、居住者がロボットの梱包結果に対して好みに合わない点を指示し、仲介者（人間の専門家または音声エージェント）がそれをロボットの行動に変換する。その後、周囲の物体を再配置した状況でロボットが好みを一般化できるかを評価する。音声エージェントは、人間の専門家よりも短く詳細でない指示を受け取るが、同等の成果を達成できるかが焦点となっている。

ユーザスタディを実施し、人間の専門家による仲介と音声エージェントによる仲介の2条件を比較した。Protection、Compactness、Groupingの3つの好みカテゴリにわたって、Show-Correct-Generalizeプロセスを用いて、好みの修正とその後の一般化を評価した。結果、音声エージェントによる仲介は、3つのカテゴリのうち2つで人間の専門家と同等の成果を達成した。また、両仲介者は同程度に使いやすいと評価されたが、人間の専門家はより信頼できると認識された。

議論として、音声エージェントが人間の専門家と同等の成果を2つのカテゴリで達成したことは、専門家の関与を減らす可能性を示すが、信頼性の認識と好みの一般化が残された課題であると指摘している。また、音声エージェントが短く詳細でない指示しか受け取らないにもかかわらず同等の成果を出したことは、効率的な仲介の可能性を示唆するが、なぜ一部のカテゴリで差が出たのか、また信頼性の認識をどう改善するかについては要旨からは不明である。

要旨で参照されている関連研究は明示されていないが、同分野の定番として、パーソナライズドなロボット動作の学習、ヒューマンロボットインタラクションにおける音声インターフェース、模倣学習（imitation learning）、インタラクティブな好み学習（preference learning）などに関する論文が考えられる。具体的には、ロボットの把持計画や配置計画におけるユーザ好みのモデル化、音声による指示の解釈、三者間協調のためのコミュニケーションプロトコルなどが関連する。