群衆内の内部状態を能動的情報収集で推定する手法

- グループ内の人間の内部状態（personality traits や行動パターン）をロボットが推定する手法の提案 - 対象は human-robot interaction、特に social navigation や autism diagnosis への応用 - Eysenck 3-Factor theory に基づく personality-conditioned behavior model と、active robot information gathering policy を組み合わせる - ロボットの belief を Bayesian inference で更新する枠組み

- 先行手法は scalability と passive observation に限界があり、複数人間の複雑な環境でのリアルタイム推定が困難だった - 本研究は active な情報収集によりこの制約に対処 - 数十人規模へのスケールを simulation で示す - simulation で personality prediction error を 29.2%、uncertainty を 79.9% 削減

- personality-conditioned behavior model を Eysenck 3-Factor theory に基づいて構築 - active robot information gathering policy が receding-horizon planner を通じて人間の行動を誘発 - 得られた観測から Bayesian inference でロボットの人間 personality に関する belief を更新 - グループ設定での実用的な active personality estimation を狙う

- simulations による評価 - typical adults を対象とした user studies - ASD 参加者を含む preliminary experiments - simulation で数十人規模へのスケールと prediction error 29.2% 減、uncertainty 79.9% 減を確認 - typical adults の user studies で複雑な personality distributions への汎化を確認 - ASD 関連シナリオで neurotypical と autistic の行動差の識別可能性を示す

- ASD 診断への潜在的可能性を示すが、preliminary experiments の段階 - フレームワークが将来の ASD-specific interventions の基盤になり得ると示唆 - 要旨からは不明：限界、倫理的課題、実環境での運用上の議論は明示されていない

- Eysenck 3-Factor theory に関する文献 - Bayesian inference を用いた personality estimation の先行研究 - receding-horizon planner を用いた active information gathering の関連研究 - ASD 診断・intervention に関する関連研究（要旨で比較対象として明示されていないため、同分野の定番として一般名で挙げる）