uu.seUppsala universitets publikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Fast Adaptation with Meta-Reinforcement Learning for Trust Modelling in Human–Robot Interaction
Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. (Social Robotics)ORCID-id: 0000-0003-3324-4418
Robotics, Perception and Learning Lab, EECS at KTH Royal Institute of Technology, Stockholm, Sweden.
Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
Robotics, Perception and Learning Lab, EECS at KTH Royal Institute of Technology, Stockholm, Sweden.
2019 (Engelska)Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

In socially assistive robotics, an important research area is the development of adaptation techniques and their effect on human-robot interaction. We present a meta-learning based policy gradient method for addressing the problem of adaptation in human-robot interaction and also investigate its role as a mechanism for trust modelling. By building an escape room scenario in mixed reality with a robot, we test our hypothesis that bi-directional trust can be influenced by different adaptation algorithms. We found that our proposed model increased the perceived trustworthiness of the robot and influenced the dynamics of gaining human's trust. Additionally, participants evaluated that the robot perceived them as more trustworthy during the interactions with the meta-learning based adaptation compared to the previously studied statistical adaptation model.

Ort, förlag, år, upplaga, sidor
2019.
Nationell ämneskategori
Människa-datorinteraktion (interaktionsdesign)
Identifikatorer
URN: urn:nbn:se:uu:diva-398405OAI: oai:DiVA.org:uu-398405DiVA, id: diva2:1375736
Konferens
2019 International Conference on Intelligent Robots and Systems, November 3 – 8, 2019, Macau
Anmärkning

Yuan Gao and Elena Sibirtseva contributed equally to this work.

Tillgänglig från: 2019-12-05 Skapad: 2019-12-05 Senast uppdaterad: 2019-12-09Bibliografiskt granskad

Open Access i DiVA

fulltext(1518 kB)4 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1518 kBChecksumma SHA-512
e58443c987a754cf45d275363e817f4f6101690e0037e6f37895f88d258ce5a7fcade6f5a060b3866082cfd1021bf8c35251eb96a0a58dac67d0f45c0cae2b16
Typ fulltextMimetyp application/pdf

Övriga länkar

https://arxiv.org/abs/1908.04087

Personposter BETA

Gao, YuanCastellano, Ginevra

Sök vidare i DiVA

Av författaren/redaktören
Gao, YuanCastellano, Ginevra
Av organisationen
Avdelningen för visuell information och interaktionBildanalys och människa-datorinteraktion
Människa-datorinteraktion (interaktionsdesign)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 4 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 6 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf