日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

HRI/意思決定arXiv:2603.02379

人間の向社会性の戦略的形成:潜在状態POMDPフレームワーク

Strategic Shaping of Human Prosociality: A Latent-State POMDP Framework

シェア:XThreadsFacebookLINEはてブBluesky

ロボットが繰り返しの相互作用で人間の向社会性を推論し、影響を与えるための意思決定フレームワークを提案し、潜在状態POMDPとして定式化して学習したポリシーが協力行動を向上させることを示した。

詳しい要約

1. どんなもの?

- ロボットが反復相互作用を通じて人間の向社会的状態を戦略的に形成する意思決定論的枠組みを提案。 - 人間の向社会性を時間とともに変化する潜在状態としてモデル化。 - ロボットは自身の行動(helpingやsignaling)を通じてこの状態を推論・影響することを学習。 - latent-state POMDPとして定式化し、限られた観測下でEMにより遷移・観測ダイナミクスを学習。 - 信念に基づく政策がタスクと社会の目的をバランスさせ、長期的な協力成果を最大化する行動を選択。

2. 先行研究と比べてどこがすごい?

- 先行研究と比べてどこがすごいかは要旨からは不明。 - ただし、向社会性を潜在状態として扱い、ロボットが戦略的に形成する点が新しい可能性。 - 従来の協力モデルでは静的な選好を仮定することが多いが、本手法は動的変化を考慮。 - ベースライン戦略よりもチームパフォーマンスと協力行動の増加で優れると主張。

3. 技術・手法の肝は?

- 人間の向社会性を潜在状態とするlatent-state POMDPを定式化。 - 限られた観測の下で、expectation maximization (EM) を用いて遷移・観測ダイナミクスを学習。 - 信念に基づく政策を学習し、タスクと社会の目的をバランス。 - ロボットの行動にはhelpingとsignalingが含まれる。 - 長期的な協力成果を最大化する行動選択を目指す。

4. どうやって有効だと検証した?

- ユーザスタディのデータを用いてモデルを評価。 - 学習された政策がベースライン戦略よりもチームパフォーマンスと観測された人間の協力行動の増加の両方で優れることを示した。 - 具体的な評価指標や統計手法は要旨からは不明。

5. 議論はある?

- 議論や限界については要旨からは不明。 - 潜在状態の推定精度や観測の制限、倫理的問題などが考えられるが、要旨では触れられていない。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、latent-state POMDP、expectation maximization、prosocial behavior modeling、human-robot cooperation、belief-based policy learningなどが挙げられる。 - 同分野の定番として、POMDPの意思決定、逆強化学習、社会規範の学習に関する論文が次に読むべき候補。

※ 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: Zahra Zahedi, Xinyue Hu, Shashank Mehrotra, Mark Steyvers, Kumar Akash

分類: cs.HC, cs.RO, cs.SY, eess.SY

原文アブストラクト

We propose a decision-theoretic framework in which a robot strategically can shape inferred human's prosocial state during repeated interactions. Modeling the human's prosociality as a latent state that evolves over time, the robot learns to infer and influence this state through its own actions, including helping and signaling. We formalize this as a latent-state POMDP with limited observations and learn the transition and observation dynamics using expectation maximization. The resulting belief-based policy balances task and social objectives, selecting actions that maximize long-term cooperative outcomes. We evaluate the model using data from user studies and show that the learned policy outperforms baseline strategies in both team performance and increasing observed human cooperative behavior.

  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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI