人間とロボットの協調マニピュレーションのための混合主導対話

- 長期的な human-robot collaboration のための対話システム - 両エージェントが自然言語で提案・受諾・拒否を行う Mixed-Initiative dialog を採用 - 提案手法 MICoBot は、人間の物理行動・協力意欲・ロボット能力理解が時間とともに変化する状況に対応 - タスクの各ステップをどちらが担うかを対話で調整し、人間の負担を最小化する協調戦略を目指す

- 従来の agent allocation models や pure LLM baseline と比較 - 両エージェントが主体的に提案・受諾・拒否できる tightly coupled communication loop を実現 - 人間の availability 推定と robot の affordance model を組み合わせ、人間の負担を考慮した割当てを行う点が特徴 - 物理ロボット trial で task success と user experience が有意に向上したと報告

- 3 階層の意思決定構造 - (1) meta-planner: 人間の対話を考慮し、高レベルの collaboration strategy を定式化・コード化 - (2) planner: robot の capabilities（simulation-pretrained affordance model で測定）と人間の estimated availability に基づき残りステップを最適割当 - (3) action executor: 低レベル行動や人間への発話内容を決定 - 自然言語による task-directed dialog を扱う

- 18 名の unique human participants による physical robot trials を実施 - pure LLM baseline および standard agent allocation models と比較 - task success と user experience の両面で MICoBot が有意に改善したと報告 - 詳細な評価指標や統計手法は要旨からは不明

- 人間の行動・協力意欲・ロボット能力理解が時間変化する状況への適応を扱う - 対話による提案・受諾・拒否の柔軟な調整が重要と主張 - 限界や失敗事例、affordance model や availability 推定の誤りへの影響は要旨からは不明 - 18 名規模の trial であり、より多様な参加者や長期運用での検証は要旨からは不明

- pure LLM baseline として用いられた LLM ベースの対話・計画手法 - standard agent allocation models（タスク割当ての標準手法） - affordance model および simulation-pretrained affordance learning 関連研究 - Mixed-Initiative dialog および human-robot collaboration の対話研究 - 具体的な論文名は要旨からは不明