Evaluating the impact of human-to-robot communication channels on human-robot task takeovers

Abstract

Die Arbeitsteilung in Mensch-Roboter-Teams ist ein zentrales Forschungsthema in der Mensch-Roboter-Kollaboration. Eine effektive Zusammenarbeit erfordert nahtlose Übergänge zwischen Aufgaben, insbesondere wenn ein Mensch die Aufgabe eines Roboters übernimmt. Aktuelle Industriestandards sind jedoch durch Kommunikationskanäle, wie physische Tasten und komplexe Prozeduren zur Wiederaufnahme des Betriebs eingeschränkt. Selbst mit den neuesten Algorithmen zur adaptiven Arbeitsteilung schränken vordefinierte Grenzen immer noch ein, wann und wie ein Mensch Aufgaben vom Roboter übernehmen kann. Um diese Einschränkungen zu überwinden, sind zwei Komponenten essenziell. (1) Eine interne Repräsentation, die es dem Roboter ermöglicht sich von Unterbrechungen zu erholen. (2) Methoden zur Kommunikation von Unterbrechungen. Um zu untersuchen, wie Unterbrechungen bewältigt werden und wie sich verschiedene Kommunikationskanäle auf das Team auswirken, kombiniert diese Arbeit eine Literaturrecherche mit einer Studie. Die Recherche analysiert sowohl die Grundlagen der Mensch-Roboter-Interaktion, als auch der Kommunikation und dynamische Arbeitsteilung. Dabei identifiziert die Arbeit eine Forschungslücke bei der Handhabung und Kommunikation von Unterbrechungen. Zur Schließung dieser Lücke und zur Bewertung des Einflusses verschiedener Kommunikationskanäle auf die Teamdynamik wurde eine Studie mit drei Kanälen durchgeführt: (a ) eine Basisbedingung, bei der Unterbrechungen durch eine Taste ausgelöst werden, (b) eine haptische-explizite Methode, bei der der Roboter physisch berührt wird, und (c) eine implizite Methode, die sich aus menschlichen Aktionen ableitet. Die Ergebnisse der Untersuchung zeigen, dass der Kommunikationskanal (a) den Aufgabenfluss, (b) die Sympathie sowie (c) die Mensch-Roboter-Bindung erheblich beeinflussen kann. Hingegen wirkt er sich weder auf (a) das Vertrauen in den Roboter, (b) dessen wahrgenommene Intelligenz noch auf (c) die Zielausrichtung des Teams aus. Diese Erkenntnisse sind entscheidend für das Design zukünftiger kollaborativer Roboter, da sie die Wahl von Kommunikationskanäle betonen, die eine menschenähnliche Team-dynamik fördern.

The division of labor in human-robot teams is a major research topic in Human-Robot Collaboration (HRC). Effective collaboration requires seamless task transitions, especially when a human takes over a task from a robot. However, current industry standards are constrained by communication channels, like buttons, and complex recovery procedures. Even with recent advancements in adaptive and communication-free task-allocation methods, pre-defined task boundaries still limit when and how a human can take over a robot’s task. To overcome these limitations, two key components are: (1) a task model to recover from interruptions, and (2) methods for communicating them. To investigate how interruptions can be handled and how different Human to Robot Communication (HTRC) channels affect task takeovers, this thesis employs a mixed research approach, combining a literature review with a user study. The review explores the fundamentals of human-robot interactions, communication, and current task allocation techniques, and reveals a lack of research on task takeovers, in particular on how to handle and communicate them. To quantitatively evaluate the effects of different HTRC channels on team dynamics, a prototype setup was developed, and a user study was conducted using three different communication channels: (a) baseline, mediated via the push of a button in a Graphical User Interface (GUI), (b) explicit, facilitated by physically touching the robot, and (c) implicit, based on human actions. The findings suggest noteworthy differences in how HTRC channels affect the perceived fluency, likability, and the human-robot bond during task takeovers. In contrast, the results indicate no effect between HTRC channels for the trust in the robot, robot traits like perceived intelligence or commitment to the task, and the goal alignment between human and robot. Therefore, the results have implications for the design of future collaborative robots, as they reveal the importance of employing communication channels that minimize disruption to the human’s workflow while fostering a team-dynamic comparable to human teams.