ヒューマノイドロボット設計における不気味の谷のベイズフレームワーク

ヒューマノイドロボットの設計において長年知られてきた「不気味の谷」は、ロボットを人間らしくするほど親近感が減少するという経験則です。しかし、これまでのガイドライン（ロボット的な外観の採用、過度なリアリズムの回避、モダリティ間の不一致の低減など）は操作可能な変数として表現されていなかったため、アルゴリズム設計に利用することが困難でした。

この問題に対処するため、日本の研究チームは、これらのガイドラインを数学的な設計変数として機能させる階層ベイズ生成モデルを提案しました。このモデルは、ヒューマノイドロボットに対する親和性を、後悔重み付けされた負のカテゴリ条件付き驚き（surprise）として表現し、カテゴリの曖昧さや知覚的不一致が驚きを増大させることで親和性を低下させると説明します。具体的には、不気味の谷のメカニズムを4つの変数（予測されたロボットカテゴリ平均からの偏差、モダリティ間の人間らしさの不一致、予測不確実性、観測不確実性）にマッピングします。

シミュレーションでは、カテゴリの曖昧さと外観-動作の不一致が親和性を低下させ、不確実性が谷の形状を変化させることが示されました。さらに、ロボット-人間のモーフィング画像を用いた人間実験では、ぼやけた先行ロボット刺激を用いて予測不確実性を、ぼやけた評価刺激を用いて観測不確実性を操作しました。その結果、観測不確実性を高めると中間の人間らしさにおける親しみやすさの低下が緩和され、予測不確実性が低いとロボット的な外観の評価が向上することがわかりました。

このフレームワークは、経験的な不気味の谷ヒューリスティックを、ヒューマノイドロボットの外観と動作をアルゴリズム的に評価・最適化するための計算基盤に変換します。将来的には、この手法により設計者がより体系的に不気味の谷を回避し、人々に受け入れられるロボットを創出できるようになるでしょう。