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/制御arXiv:2607.25327

信念を考慮した影響力と信頼(BAIT):繰り返しの人間とロボットの相互作用における人間の信念の形成

Belief-Aware Influence and Trust (BAIT): Shaping Human Belief During Repeated Human-Robot Interaction

シェア:XThreadsFacebookLINEはてブBluesky

人間の信念の変化を推定しつつ、長期的な影響力と信頼のバランスを最適化する制御器BAITを提案し、シミュレーションと実機実験で有効性を示した。

詳しい要約

1. どんなもの?

BAITは、繰り返しのHuman-Robot Interaction (HRI)において、人間の信念を能動的に形成するための制御器である。階層的粒子フィルタと信念を考慮したModel Predictive Path Integral (MPPI)プランナーを統合し、長期的な影響力と人間の信頼のトレードオフを最適化する。即時のタスク性能を厳格な制約として維持しながら、人間の知覚のドリフトに対応する。

2. 先行研究と比べてどこがすごい?

従来のフレームワークは、遭遇を孤立したイベントとして扱い、人間の知覚がドリフトするにつれて累積的なタスク性能の低下を招くか、長期的な影響力を維持するために予測不可能な行動を取り、それが人間の信頼を損ない、計算量的にスケーラブルでない定式化に依存していた。BAITは、これらのギャップに対処し、長期的な影響力と信頼の両方を明示的に最適化しつつ、即時のタスク性能を制約として保証する点で優れている。

3. 技術・手法の肝は?

BAITは、階層的粒子フィルタを用いて、速い人間の戦略的シフトと遅い知覚的信念更新の両方を推論する。そして、信念を考慮したModel Predictive Path Integral (MPPI)プランナーを統合し、長期的な影響力と人間の信頼のトレードオフを明示的に最適化する。即時のタスク性能は厳格な制約として扱われる。

4. どうやって有効だと検証した?

シミュレーション、人間被験者実験、実世界のGEM車両を用いた繰り返しの車線合流シナリオでの展開を通じて検証された。BAITは、予測不可能性を通じて長期的影響力を最適化するベースラインと同等のタスク性能を達成しつつ、ユーザーの信頼を有意に高めることを示した。

5. 議論はある?

要旨からは、BAITの計算コストや実世界でのスケーラビリティ、長期的な影響力と信頼のトレードオフの一般性、異なるタスクや人間モデルへの適用可能性などに関する議論は不明である。また、人間の信念のモデル化の限界や、信頼の測定方法の妥当性についても要旨からは不明。

6. 次に読むべき論文は?

要旨で参照されている先行研究は明示されていないが、関連する分野として、Human-Robot Interactionにおける信頼モデル、Model Predictive Control、Particle Filterを用いた人間の意図推定、繰り返し相互作用における適応的ロボット行動計画などの研究が挙げられる。具体的には、BAITと比較されたベースライン手法(長期的影響力を予測不可能性で最適化する手法)の論文や、階層的粒子フィルタやMPPIの基礎論文が次に読むべき候補となる。

※ 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: Ye-Ji Mun, Mahsa Golchoubian, Shahabedin Sagheb, Yan Bai, Tianhao Ji, Dylan P. Losey, Katherine Driggs-Campbell

分類: cs.RO

原文アブストラクト

Repeated human-robot interaction (HRI) requires proactively accounting for humans who continually adapt to evolving beliefs about the robot. Prior frameworks often treat encounters as isolated events, suffering cumulative task performance decay as human perception drifts, or maintain long-term influence through erratic, unpredictable behavior that erodes perceived human trust and relies on computationally unscalable formulations. To address these gaps, we introduce the Belief- Aware Influence and Trust (BAIT) controller. BAIT integrates a hierarchical particle filter, which infers both fast human strategic shifts and slow perceptual belief updates, with a belief-aware Model Predictive Path Integral planner. BAIT explicitly optimizes the trade-off between long-horizon influence and human trust, while enforcing immediate task performance as a strict constraint. Across simulations, a human-subject study, and a real-world GEM vehicle deployments in repeated lane-merging scenarios, BAIT achieves task performance comparable to baselines that optimize long-term influence through unpredictability while yielding significantly higher user trust. The video demonstrating our experiments is available at https://youtu.be/9o4GqKLWDCw.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmo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
  3. 3GXO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
  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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI