Cooperative planning and negotiation in human-robot teams

Abstract

(English) As robots become increasingly integrated into everyday environments, rigid role paradigms and unilateral control models fall short of enabling meaningful collaboration. Preserving human autonomy while allowing robots to contribute proactively in shared decision-making tasks introduces the need for alignment and negotiation between agents. Negotiation arises not merely as a design preference but as a requirement when autonomous entities with partial knowledge, differing capabilities, or misaligned goals must act jointly in real-world settings. This thesis investigates the challenge of integrating robots into human teams in unstructured environments, with a particular focus on Human-Robot Collaborative Navigation (HRCN). It seeks to empower them as active decision-making agents who flexibly and critically adapt to human preferences and needs. This technological development is framed as a social necessity: without it, robots would remain confined to controlled environments, or people would lose agency by having to adapt to rigid robot behaviour. The core contributions of the thesis are threefold. First, it introduces the Social Reward Sources (SRS) model, a shared spatial and task representation for Human-Robot Teams (HRT). Second, it presents a multi-agent planning system leveraging the SRS model to generate collaborative plans for heterogeneous teams. Third, it proposes a negotiation framework for Human-Robot Plan Negotiation (HRPN), incorporating a novel plan characterisation model, the cooperativeness space. These and additional secondary contributions are validated through real-world experiments within the collaborative object search benchmark. Altogether, the thesis offers a pathway for deploying robots as collaborative agents capable of negotiation, thereby supporting agency-preserving human-robot interaction in open-world contexts.

(Català) A mesura que els robots s’integren cada cop més en entorns quotidians, els paradigmes rígids de rols d’interacció i els models de control unilateral resulten insuficients per permetre una col·laboració significativa. Preservar l’autonomia dels humans alhora que es permet als robots contribuir proactivament en tasques de presa de decisions compartida introdueix la necessitat d’alineació i negociació entre agents. La negociació no sorgeix només com una preferència de disseny, sinó com un requisit quan entitats autònomes amb coneixement parcial, capacitats diferents o objectius desalineats han d’actuar conjuntament en entorns reals. Aquesta tesi investiga el repte d’integrar robots en equips humans en entorns no estructurats, amb un enfocament particular en la Navegació Col·laborativa Humà-Robot (HRCN). Pretén capacitar els robots com a agents actius en la presa de decisions, que s’adaptin de manera flexible i crítica a les preferències i necessitats humanes. Aquest desenvolupament tecnològic es planteja com una necessitat social: sense ell, els robots restarien confinats a entorns controlats, o les persones perdrien capacitat d’agència en haver-se d’adaptar a comportaments robòtics rígids. Les contribucions principals de la tesi són tres. En primer lloc, introdueix el model de Fonts de Recompensa Social (SRS), una representació compartida de l’espai i de les tasques per a Equips Humà-Robot (HRT). En segon lloc, presenta un sistema de planificació multiagent que utilitza el model SRS per generar plans col·laboratius per a equips heterogenis. En tercer lloc, proposa un marc teòric de negociació per a la Negociació de Plans Humà-Robot (HRPN), que incorpora un nou model de caracterització de plans, l’espai de cooperativitat. Aquestes i altres contribucions secundàries es validen mitjançant experiments en entorns reals dins del cas d’ús de cerca col·laborativa d’objectes. En conjunt, la tesi ofereix un camí per al desplegament de robots com a agents col·laboratius capaços de negociar, i així donar suport a una interacció humà-robot que preservi l’autonomia de les persones en la presa de decisions en contextos de món obert.

(Español) A medida que los robots se integran cada vez más en entornos cotidianos, los paradigmas rígidos de roles de interacción y los modelos de control unilateral resultan insuficientes para permitir una colaboración significativa. Preservar la autonomía humana al mismo tiempo que se permite a los robots contribuir proactivamente en tareas de toma de decisiones compartida introduce la necesidad de alineación y negociación entre agentes. La negociación no surge únicamente como una preferencia de diseño, sino como un requisito cuando entidades autónomas con conocimiento parcial, capacidades distintas u objetivos desalineados deben actuar conjuntamente en entornos reales. Esta tesis investiga el reto de integrar robots en equipos humanos en entornos no estructurados, con un enfoque particular en la Navegación Colaborativa Humano-Robot (HRCN). Pretende capacitar a los robots como agentes activos en la toma de decisiones, que se adapten de forma flexible y crítica a las preferencias y necesidades humanas. Este desarrollo tecnológico se plantea como una necesidad social: sin él, los robots quedarían confinados a entornos controlados, o las personas perderían capacidad de agencia al tener que adaptarse a comportamientos robóticos rígidos. Las contribuciones principales de la tesis son tres. En primer lugar, introduce el modelo de Fuentes de Recompensa Social (SRS), una representación compartida del espacio y de las tareas para Equipos Humano-Robot (HRT). En segundo lugar, presenta un sistema de planificación multiagente que utiliza el modelo SRS para generar planes colaborativos para equipos heterogéneos. En tercer lugar, propone un marco de negociación para la Negociación de Planes Humano-Robot (HRPN), que incorpora un nuevo modelo de caracterización de planes, el espacio de cooperatividad. Estas y otras contribuciones secundarias se validan mediante experimentos en entornos reales dentro del caso de uso de búsqueda colaborativa de objetos. En conjunto, la tesis ofrece un camino para el despliegue de robots como agentes colaborativos capaces de negociar, apoyando así una interacción humano-robot que preserve la autonomía de las personas en la toma de dexisiones en contextos de mundo abierto.