[논문]계층적 베이지안 네트워크를 사용한 서비스 로봇과 인간의 상호 주도방식 의사소통

송윤석; 홍진혁; 조성배

계층적 베이지안 네트워크를 사용한 서비스 로봇과 인간의 상호 주도방식 의사소통
Mixed-Initiative Interaction between Human and Service Robot using Hierarchical Bayesian Networks 원문보기

정보과학회논문지. Journal of KIISE. 소프트웨어 및 응용, v.33 no.3, 2006년, pp.344 - 355

송윤석 (연세대학교 컴퓨터과학과) , 홍진혁 (연세대학교 컴퓨터과학과) , 조성배 (연세대학교 컴퓨터과학과)

초록
AI-Helper

일상 생활에서 서비스 로봇이 효과적으로 사람들의 업무를 보조하기 위해서는 인간과의 상호작용이 매우 중요하다. 그 중 대화는 인간과 로봇이 보다 유연하고 풍부한 의사전달을 하는데 유용하다. 전통적인 로봇 연구에서는 의사소통 방법으로 명령과 같은 간단한 질의 등을 사용하였으나 실제 사람들의 대화는 보다 복잡하고 다양하며 배경 지식이나 대화의 문맥 등에 의해 중요한 정보가 생략되기도 한다. 따라서 동일한 질의라도 다양한 의미를 갖기 때문에 정확한 해석을 위해서는 이를 다루어야 한다. 본 논문에서는 계층적 베이지안 네트워크를 사용하여 '상호-주도형' 의사 소통 방식을 서비스 로봇에 구현함으로써 대화의 모호성을 처리하는 방법을 제안한다. 또한 서비스 로봇의 시뮬레이션과 사용자 평가를 통해 제안하는 방법의 유용성을 확인하였다.

Abstract ▼ AI-Helper

In daily activities, the interaction between humans and robots is very important for supporting the user's task effectively. Dialogue may be useful to increase the flexibility and facility of interaction between them. Traditional studies of robots have only dealt with simple queries like commands for interaction, but in real conversation it is more complex and various for using many ways of expression, so people can often omit some words relying on the background knowledge or the context of the discourse. Since the same queries can have various meaning by this reason, it is needed to manage this situation. In this paper we propose a method that uses hierarchical bayesian networks to implement mixed-initiative interaction for managing vagueness of conversation in the service robot. We have verified the usefulness of the proposed method through the simulation of the service robot and usability test.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

목표는 의미 요소로부터 직접 추론되지 않고 상호 주도방식을 위해 중간 목표층을 거쳐 추론된다. 만약 서비스목표가 결정되기에 충분한 단서를 얻지 못했다면 중간목표들 중에서 가장 높은 확률 값을 갖는 노드를 찾고 이 노드와 연결된 목표 노드들에 대한 질문을 사용자에게 한다. 이처럼 로봇은 사용자가 제공한 증거에 따라 목표와 관련된 질문을 사용자에게 함으로써 상호 주도적 방법으로 상황을 해결한다.
본 논문에서는 계층적 베이지안 네트워크를 사용하여 로봇의 상호주도형 대화처리를 구현하고 시뮬레이션과 사용자 평가를 통해 제안하는 방법의 유용성을 검증하였다.
본 논문에서는 보다 지능적인 서비스 로봇의 동작을 위한 대화형 사용자 인터페이스를 제안하였다. 사용자의 의도를 이해하고 적절한 반응을 보이는 것이 향상된 서비스 수행을 위해 필요하지만 모호한 표현이나 상황으로 인해 사용자의 의도를 정확히 알기가 어렵거나 사용자 역시 어떻게 상황에 대처해야 할지 모르는 경우가 발생하게 된다.
본 논문에서는 사용자들의 시스템 사용 및 결과를 기록하고, 설문하는 방법으로 사용자 평가를 하였다. 로봇에 대한 사용자의 전문성과 문제 상황의 모호한 정도에 따라 상호 주도 방식이 어느 정도 효과를 갖는지 보기 위해 사용자 그룹을 전문가 집단과 비 전문가 집단으로 나누고 문제를 모호한 수준에 따라 세 단계로 나누었다.
본 논문에서는 실내 서비스를 위해 그림 3과 같은 상호주도형 서비스 로봇을 제안한다. 서비스 로봇은 음성과 센서를 통해서 입력을 받으며 서비스 추론을 위해 두 가지 종류의 계층적 베이지안 네트워크를 사용한다.
본 논문에서는 실내 환경에서 서비스 로봇이 사용자와의 대화를 통해 사용자의 의도를 파악하고 서비스를 수행하기 위한 베이지안 네트워크 기반 상호 주도형 대화 모델을 제안한다. 서비스 제공을 위한 모델을 구성하기 위해 서비스 추론 단계를 목적과 대상으로 분류하였고, 이러한 과정을 통해 최종적으로 로봇이 제공할 서비스가 결정되도록 했다.
이들은 환전을 위해 필요한 정보가 빠져있거나 불필요한 내용을 알기 위해서 미리 모델링된 베이지안 네트워크를 후진 추론하고, 추론된 결과와 제공된 질의를 비교하여 빠진 내용과 불필요하다고 생각되는 내용을 찾는다. 이를 바탕으로 필요한 질의를 사용자에게 하여 상호 주도적인 대화가 발생하도록 하였다. 이와 같은 방법은 대화 과정보다는 특정 목적에 해당되는 내용들의 관계를 모델링하는 방법으로 설계자가 대화의 추론 과정을 직관적으로 모델링하지는 않는다.
짐작할 수 있는 경우가 많다. 하지만 이러한 모든 경우를 서비스 로봇이 이해하며 서비스를 수행하는 것은 매우 어려운 일로 본 논문에서는 정해진 도메인 안에서 상호 주도적인 방법으로 사용자에게 축소된 범위의 질의를 함으로써 이러한 모호성을 줄여가는 방법을 제안하였다. 이와 같은 방법으로 처리할 수 있는 질의의 수는 각 계층적 베이지안 네트워크에 있는 중간 목표 노드 수와 같고 본 논문에서는 87가지 유형의 다른 상황을 해결할 수 있게 하였다.

제안 방법

각 사용자에게는 3가지 상황이 주어졌고 각 상황에 필요한 서비스를 비 상호 주도형 서비스 로봇과 상호주도형 서비스 로봇에게 명령하도록 하였다. 사용자 평가에 사용된 문제 상황과 목표 서비스는 표 8, 9와 같다.
여기에는 10 가지 종류의 서비스를 위해서 10개의 목표 노드가 있으며 질의와 환경 정보에 대한 의미 요소들과 상호 주도형 의사 소통을 하기 위한 중간 목표들이 네트워크 안에 함께 구성된다. 두 번째 과정은 구체적인 대상을 결정하기 위한 과정으로써 서비스에 따라 대상을 추론하기 위해 계층적 베이지안 네트워크가 사용되었다. 이런 모델은 서비스 종류와 각 대상들의 추론을 모듈화 함으로써 서비스 종류와 대상의 증가하더라도 제안된 방법의 적용과 확장에 유용하다.
많다. 따라서 본 논문에서는 상호 주도형 서비스 로봇의 기능을 '켜기/끄기', '열기/닫기'로 한정하고 그와 같은 기능이 적용될 수 있는 대상들을 정하여 표 2와 같은 가정 환경을 구성하였다 구현된 서비스 로봇이 할 수 있는 서비스 종류는 불 켜기/끄기, 오디오 켜기/끄기, TV 켜기/끄기, 에어컨 켜기/끄기, 창문 열기/닫기로 10 가지이며 대상은 최대 7개까지 가질 수 있도록 하였다
로봇에 대한 사용자의 전문성과 문제 상황의 모호한 정도에 따라 상호 주도 방식이 어느 정도 효과를 갖는지 보기 위해 사용자 그룹을 전문가 집단과 비 전문가 집단으로 나누고 문제를 모호한 수준에 따라 세 단계로 나누었다.
이러한 상황을 인식하는 많은 어플리케이션들이 개발되어 사용자의 필요에 보다 적절히 반응할 수 있도록 해준다[18]. 본 논문에서는 이러한 상황들을 환경 정보로 사용하며 서비스와 관계된 정보들을 다음처럼 3가지 변수를 가지는 간단한 1 first-order predicate'로 표현한다.
모델을 제안한다. 서비스 제공을 위한 모델을 구성하기 위해 서비스 추론 단계를 목적과 대상으로 분류하였고, 이러한 과정을 통해 최종적으로 로봇이 제공할 서비스가 결정되도록 했다. 이와 같은 방법은 베이지안 네트워크를 필요한 서비스에 맞도록 나누어 설계할 수 있게 하므로 확장성을 갖게 한다.
사용자의 의도를 이해하고 적절한 반응을 보이는 것이 향상된 서비스 수행을 위해 필요하지만 모호한 표현이나 상황으로 인해 사용자의 의도를 정확히 알기가 어렵거나 사용자 역시 어떻게 상황에 대처해야 할지 모르는 경우가 발생하게 된다. 이 문제를 위해 계층적 베이지안 네트워크를 사용한 상호 주도 방식의 HRI 기법을 제안하였고 또한 상호 주도 방식으로 처리되는 서비스 로봇을 만들어 시뮬레이션과 사용자 평가를 통해 유용함을 확인해보았다.
이를 해결하기 위해서는 각 의미 요소들이 독립적으로 발생한다는 가정하에 증거가 발생할 수 있는 모든 경우에 대한 규칙을 정해주어야 하는데, 이는 의미 요소가 많아질수록 설계가 복잡하고 수정이 어렵다[15, 1이. 이에 본 논문에서는 베이지안 네트워크를 사용하여 상호 주도형 대화를 모델링하였으며 계층적인 구조를 통해 설계를 보다 용이하게 하였다. 그림 1과 표 1은 제안하는 계충적 베이지안 네트워크의 구조와 관련 내용을 보여준다.
하지만 이러한 모든 경우를 서비스 로봇이 이해하며 서비스를 수행하는 것은 매우 어려운 일로 본 논문에서는 정해진 도메인 안에서 상호 주도적인 방법으로 사용자에게 축소된 범위의 질의를 함으로써 이러한 모호성을 줄여가는 방법을 제안하였다. 이와 같은 방법으로 처리할 수 있는 질의의 수는 각 계층적 베이지안 네트워크에 있는 중간 목표 노드 수와 같고 본 논문에서는 87가지 유형의 다른 상황을 해결할 수 있게 하였다.
1번 문제는 사용자가 무엇을 목표로 하고 있고 명령을 내려야 하는지가 명확한 상황이고 2번은 정확하지 않지만 비교적 쉽게 짐작할 수 있는 상황, 3번은 많은 가능성들을 포함하고 있어 정확히 명령을 내리기가 어려운 상황이다. 제시된 세가지 문제를 통해 각 집단에 속한 사용자들이 문제의 모호함에 따라 어떻게 반응하는지를 기록하고 상호 주도형과 비 상호 주도형 로봇의 성공률과 상호작용 횟수를 기록하여 비교해 보았다.

대상 데이터

사용자 평가는 전문가 집단 8명, 비전문가 집단 8명으로 이루어졌고 사용자들에게는 표 7과 같이 정보가 제공되었다. 전문가 집단에 속한 사용자에게는 로봇의 사용법이 담긴 매뉴얼을 제공하고 비 전문가 집단은 로봇이 감정을 이해할 수 있으며 사람과 대화하듯이 대화해보라는 힌트만 제공하였다.
실험은 Cyberbotics사[19]에서 개발한 Webots 4 시뮬레이터를 통해 그림 5와 같은 환경을 만들고 로봇을 제어하여 실험 환경을 구성하였다. Webots 4는 VRML 기반 시뮬레이터로서 3D 환경을 제공하고 로봇을 제어할 수 있는 컨트롤러를 라이브러리 형식으로 제공한다.
Webots 4는 VRML 기반 시뮬레이터로서 3D 환경을 제공하고 로봇을 제어할 수 있는 컨트롤러를 라이브러리 형식으로 제공한다. 이를 통해 구현된 실험 환경은 4절의 표 2에 있는 것과 마찬가지로 부엌과 거실을 포함한 7개의 방과 7개의 창, 7개의 불, 3대의 TV, 3대의 오디오 및 1대의 에어컨을 포함한다. 대상 환경에서 적절한 서비스 추론을 위한 베이지안 네트워크는 전문가가 직접 설계하였다.

성능/효과

5%의 사용자가 모두라는 표현을 사용했다. 감정적인 표현이 비교적 높은 이유는 로봇이 감정적인 표현을 이해할 수 있다는 단서를 미리 제공했기 때문이라고 생각되지만 설문 조사 결과 사용자들은 대부분 로봇이 감정적인 표현을 이해할 수 있는 것이 더 좋다라고 대답했다.
전문가 집단의 경우 방식에 상관없이 모두 문제를 풀었다. 반면 비전문가 집단에서는 비상호주도형 로봇의 경우 전체 평균 성공률이 50% 정도로 나타났고 3번 문제에서는 20%를 조금 넘는 성공률을 보였다. 이에 비해 상호주도형 로봇의 경우는 전체적으로 90%에 가까운 성공률을 보였고
본 연구에서는 상호 주도 방식을 통해 로봇의 대화 이해 수준을 향상시키는 방법을 제안하였지만 서비스 로봇이 동작하는 실제 환경은 변화가 많고 불확실한 경우가 많아서 실제 환경을 모델링한 정도에 따라 보다 향상된 결과를 얻을 수 있다. 향후에는 좀 더 다양한 센서와 모터를 사용해서 실제 환경을 모델링하고 이를 바탕으로 서비스 로봇이 동작하도록 연구하고자 한다.
성향이 있기 때문인 것으로 분석된다. 비전문가 집단의 경우는 2번을 제외한 문제에서 모두 상호주도형 로봇이 더 좋은 성능을 보였다. 2번 문제의 경우는 t-test 결과 실제 두 집단의 차이가 있다고 받아들이기는 어려운 것으로 나타났는데 이는 2번 문제를 직관적으로 풀 수 있어 상호 주도와 비 상호주도에 상관없이 결과가 나온 것으로 보인다.
상호작용 수는 방법의 효율적인 측면을 보여주는 수치로 전문가 집단과 비전문가 집단 모두 상호주도형 로봇을 사용한 경우가 평균적으로는 25% 정도의 성능 향상을 보여주었다. 특히 전문가 집단의 경우 3번 문제에서는 71.
테스트 결과 1번 문제와 3번 문제는 모두 유의수준 0.05에서 상호주도형과 비상호주도형일 때 차이가 있는 것으로 나타났지만 2번 문제의 결과는 그렇지 않은 것으로 나타났다.

후속연구

결과를 얻을 수 있다. 향후에는 좀 더 다양한 센서와 모터를 사용해서 실제 환경을 모델링하고 이를 바탕으로 서비스 로봇이 동작하도록 연구하고자 한다.

참고문헌 (19)

C. Breazeal, 'Social interactions in HRI: The robot view,' IEEE Trans. Systems, Man, and Cybernetics-Part C: Applications and Reviews, vol. 34, no. 2, pp. 181-186, 2004

상세보기
A. Agah, 'Human interactions with intelligent systems: Research taxonomy,' Computers and Electrical Engineering, vol. 27, no. 1, pp. 71-107, 2001

상세보기
S. Lauria, et aI., 'Personal robots using natural language instruction,' IEEE Intelligent Systems, vol. 16, no. 3, pp. 38-45, 2001

상세보기
T. Fong, et al., 'Robot, asker of questions,' Robotics and Autonomous Systems, vol. 42, no. 3-4, pp, 235-243, 2003

상세보기
V. Zue and J. Glass, 'Conversational interfaces: Advances and challenges,' Proc. of the IEEE. vol. 88, no. 8, pp. 1166-1180, 2000

상세보기
H. Meng, et aI., 'The use of belief networks for mixed-initiative dialog modeling,' IEEE Trans. Speech and Audio 'Processing, vol. 11, no. 6, pp. 757-773, 2003

상세보기
J. Allen, 'Mixed initiative interaction,' IEEE Intelligent Systems, vol. 15, no. 4, pp. 14-23, 1999
E. Horvitz, 'Uncertainty, action, and interaction: In pursuit of mixed-initiative computing,' IEEE Intelligent Systems, vol. 14, no. 5, pp. 17-20, 1999
H. Huttenrauch, et al., 'Involving users in the design of a mobile office robot,' IEEE Trans. Systems, Man, and Cybernetics- Part C: Applications and Reviews, vol. 34, no. 2, pp. 113-124, 2004

상세보기
F. Mizoghchi, et al., 'Smart office robot collaboration based on multi-agent programming,' Artificial Intelligence, vol. 114, no. 1-2, pp. 57-94, 1999

상세보기
M Skubic, et al., 'Spatial language for human-robot dialogs,' IEEE Trans. Systems, Man, and Cybernetics-Part C: Applications and Reviews, vol. 34, no. 2, pp. 154-167, 2004

상세보기
E. Horvitz and T. Pack, 'A computational architecture for conversation,' Proc. of the 7th Int. Conf. on User Modeling, pp. 201-210, 1999
G. Ferguson, et al., 'TRAlNS-95: Towards a mixed-initiative planning assistant,' Proc. of the 3rd Int. Conf. on Artificial Intelligence Planning Systems, pp. 70-77, 1996
S. Perugini, et al., 'Personalizing Web Sites with Mixed-Initiative Interaction,' IT Professional, vol. 5, no. 2, pp. 9-15, 2003

상세보기
A. Onisko, et al., 'Comparison of rule-based and Bayesian network approaches in medical diagnostic Systems,' Proc. of the 8th Int. Conf. on Artificial Intelligence in Medicine, pp. 283-292, 2001
W. W. Gibbs, 'Considerate Computing,' Scientific American, January, 2005
J.-H. Hong and S.-B. Cho, 'A two-stage bayesian network for effective development of conversational agent,' Lecture Notes in Computer Science 2690, Springer, Berlin, pp. 1-9, 2003
A. Ranganathan, et al., 'ConChat: A context- aware chat program,' IEEE Pervasive Computing, vol. 1, no. 3, pp. 51-57, 2002

상세보기
http://www.cyberbotics.com - Webots software

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증