日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

人間AI協調arXiv:2602.17737

NestRL: 人間とAIの相互適応を実現する入れ子型訓練手法

NestRL: A Nested Training Regime for Mutual Adaptation in Human-AI Teaming

シェア:XThreadsFacebookLINEはてブBluesky

人間とAIの協調タスクにおいて、階層的に適応エージェントと訓練する入れ子型強化学習手法を提案し、未知の適応エージェントや実人間との協調性能と適応性を向上させた。

詳しい要約

1. どんなもの?

- 本論文は、Human-AI Teamingにおける相互適応を扱うNestRLを提案する。 - 人間の適応行動を模擬するため、Human-AI TeamingをInteractive Partially Observable Markov Decision Process (I-POMDP)として定式化する。 - NestRLは、有限レベルのI-POMDPを解くために、各レベルで下位レベルの適応エージェントと訓練するネスト型訓練方式である。 - これにより、適応行動に曝露しつつ、不透明な協調戦略の出現を防ぐ。 - Overcookedドメインで検証し、未見の適応エージェントや実人間と高いタスク性能と適応性を示す。

2. 先行研究と比べてどこがすごい?

- 既存研究は訓練パートナーの多様化で人間行動を近似するが、パートナーは静的で人間の適応性を捉えられない。 - 標準的なマルチエージェント設定で共同訓練すると、共訓練パートナーに特化した不透明な協調戦略に収束し、汎化性能が低い。 - NestRLは、適応エージェントとのネスト訓練により、パートナー特異的戦略への収束を回避し、適応性を高める。 - 理論解析でパートナー特異的戦略への収束回避を示し、Overcookedで最先端ベースラインを上回る。

3. 技術・手法の肝は?

- Human-AI TeamingをInteractive Partially Observable Markov Decision Process (I-POMDP)として定式化。 - 有限レベルのI-POMDPを解くため、各レベルで下位レベルの適応エージェントと訓練するNestRLを提案。 - ネスト訓練により、エージェントは適応行動に曝露され、不透明な協調戦略の出現を防ぐ。 - 理論解析で、NestRLエージェントがパートナー特異的戦略に収束しないことを示す。

4. どうやって有効だと検証した?

- Overcookedドメインで、最先端ベースラインと比較して検証。 - 未見の適応エージェントと実人間の両方で、NestRLが高いタスク性能を達成。 - 相互作用の過程で、有意に高い適応性を示す。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究:既存の訓練パートナー多様化アプローチ、標準的なマルチエージェント訓練、Interactive Partially Observable Markov Decision Process (I-POMDP)、Overcookedドメインの最先端ベースライン。 - 関連手法:Human-AI Teaming、Multi-Agent Reinforcement Learning (MARL)、Overcooked。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Upasana Biswas, Durgesh Kalwar, Subbarao Kambhampati, Sarath Sreedharan

分類: cs.RO, cs.LG, cs.MA

原文アブストラクト

Mutual adaptation is a central challenge in human-AI teaming, as humans naturally adjust their strategies in response to an AI agent's behavior. Existing approaches attempt to approximate human behavior by diversifying training partners; however, these partners are typically static and fail to capture the adaptive nature of human teammates. When agents are trained jointly in standard multi-agent settings, they often converge to opaque coordination strategies that work only with their co-trained partners, leading to poor generalization. To model adaptive human behavior, we formulate human-AI teaming as an Interactive Partially Observable Markov Decision Process (I-POMDP). We propose NestRL, a nested training regime that learns the solution to a finite-level I-POMDP by training agents at each level against adaptive agents from the level below. This exposes agents to adaptive behavior while preventing emergence of opaque coordination strategies. We provide theoretical analysis showing that NestRL agents avoid convergence to partner-specific strategies, and validate this empirically in the Overcooked domain against state-of-the-art baselines. NestRL achieves higher task performance with both unseen adaptive agents and real human teammates, while exhibiting significantly greater adaptability over the course of interaction.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI