8、机器人可解释行为之可读性研究

机器人可解释行为之可读性研究

在人机协作场景中，机器人如何向人类观察者有效传达自身目标和计划是一个关键问题。直接明确的沟通方式并非总是可行，而可读性这一概念为解决该问题提供了新的思路。可读性允许机器人以隐式的方式向人类观察者传达关于其目标、计划的信息，从而辅助人类识别机器人的意图，提升团队整体表现。

1. 可控可观测性规划问题（COPP）

在这个框架中，涉及两个主体：机器人和人类观察者。机器人对自身活动具有完全的可观测性，而人类观察者仅能部分观测机器人的活动。观察者知晓机器人的规划模型，并能接收到机器人执行过程中产生的观测信息。该框架适用于离线场景，即观察者在机器人完成整个计划执行后才能获取观测信息。

机器人拥有一组候选目标，其中包含其真实目标。观察者了解候选目标集合，但不清楚机器人的真实目标。下面给出可控可观测性规划问题的定义：

定义 4.1：可控可观测性规划问题是一个元组 (P_{CO} = \langle M_R, G, \Omega, O \rangle)，其中：
- (M_R) 是机器人的规划模型。
- (G = {G_1 \cup G_2 \cdots \cup G_{n - 1} \cup G_R}) 是一组候选目标条件，每个目标由一组流实例化子集定义，(G_R) 是机器人的真实目标。
- (\Omega = {o_i | i = 1, \cdots, m}) 是一组 (m) 个观测值，这些观测值是机器人行动和状态转换的结果。
- (O : (A \times S) \to \Omega) 是与人类相关的多对一观测函数，它将机器人采取的行动和到达的下一个状态映射到 (\Omega) 中的一个观测值。