La comunicación es esencial para una interacción exitosa. En la interacción humano-robot, la comunicación implícita tiene el potencial de mejorar la comprensión de las necesidades, emociones e intenciones humanas por parte de los robots. Este documento presenta un método para fomentar la comunicación implícita en la HRI sin modelar explícitamente las intenciones humanas ni depender de conocimientos preexistentes. Aprovechando la Entropía de Transferencia, modulamos la influencia entre agentes en interacciones sociales en escenarios que implican colaboración o competencia. Al integrar la influencia en las recompensas de los agentes dentro de un proceso de decisión de Markov parcialmente observable, demostramos que aumentar la influencia mejora la colaboración y la interacción, mientras que resistir la influencia promueve la independencia social y disminuye el rendimiento en ciertos escenarios. Nuestros hallazgos son validados a través de simulaciones y experimentos en el mundo real con participantes humanos en entornos de navegación social y conducción autónoma.
Jiang et al. (Sat,) estudiaron esta cuestión.