신념 인식 기반 영향 및 신뢰 (BAIT): 반복적인 인간-로봇 상호작용을 통한 인간의 신념 형성

Belief-Aware Influence and Trust (BAIT): Shaping Human Belief During Repeated Human-Robot Interaction

반복적인 인간-로봇 상호작용(HRI)은 로봇에 대한 인간의 끊임없이 변화하는 신념에 적응하는 사용자를 사전에 고려해야 합니다. 기존 프레임워크는 종종 상호 작용을 독립적인 사건으로 취급하여, 인간의 인식이 변하면 작업 성능이 누적적으로 저하되거나, 예측 불가능하고 일관성 없는 행동을 통해 장기적인 영향을 미치지만, 이는 사용자의 신뢰를 떨어뜨리고 계산적으로 확장 불가능한 방식을 사용합니다. 이러한 문제점을 해결하기 위해, 저희는 신념 인식 기반 영향 및 신뢰 (BAIT) 제어기를 소개합니다. BAIT는 계층적 파티클 필터를 사용하여 인간의 빠른 전략 변화와 느린 인지 신념 업데이트를 추정하고, 이를 신념을 고려한 모델 예측 경로 적분 계획기(Model Predictive Path Integral planner)와 통합합니다. BAIT는 장기적인 영향과 사용자 신뢰 사이의 균형을 명시적으로 최적화하는 동시에, 즉각적인 작업 성능을 엄격한 제약 조건으로 적용합니다. 시뮬레이션, 인간 대상 연구 및 실제 GEM 차량을 활용한 반복적인 차선 변경 시나리오에서 BAIT는 예측 불가능성을 통해 장기적인 영향을 극대화하는 기존 방식과 유사한 작업 성능을 달성하면서도 사용자 신뢰도를 현저히 높였습니다. 저희 실험 영상을 다음 링크에서 확인할 수 있습니다: https://youtu.be/GsPfHRujzVs.

Repeated human-robot interaction (HRI) requires proactively accounting for humans who continually adapt to evolving beliefs about the robot. Prior frameworks often treat encounters as isolated events, suffering cumulative task performance decay as human perception drifts, or maintain long-term influence through erratic, unpredictable behavior that erodes perceived human trust and relies on computationally unscalable formulations. To address these gaps, we introduce the Belief- Aware Influence and Trust (BAIT) controller. BAIT integrates a hierarchical particle filter, which infers both fast human strategic shifts and slow perceptual belief updates, with a belief-aware Model Predictive Path Integral planner. BAIT explicitly optimizes the trade-off between long-horizon influence and human trust, while enforcing immediate task performance as a strict constraint. Across simulations, a human-subject study, and a real-world GEM vehicle deployments in repeated lane-merging scenarios, BAIT achieves task performance comparable to baselines that optimize long-term influence through unpredictability while yielding significantly higher user trust. The video demonstrating our experiments is available at https://youtu.be/GsPfHRujzVs.