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/目標推論arXiv:2609.05519

協調と競争におけるロボットによる人間の目標顕在化の促進

Robots Influencing Humans to Reveal their Goals during Collaboration and Competition

シェア:XThreadsFacebookLINEはてブBluesky

人間とロボットの相互作用において、人間を臨界決定点へ導くことで目標推論を高速化する統一戦略を提案し、協調的調理タスクと競争的かくれんぼゲームで評価した。

詳しい要約

1. どんなもの?

本論文は、人間とロボットのインタラクション(HRI)における高速な目標推論のための統一戦略を提案している。中心的なアイデアは、人間をCritical Decision Points(CDPs)へと導くことである。CDPとは、競合する人間の戦略が異なる次の行動を指示する状態であり、目標を最大限に明らかにする。CDPを目標条件付きポリシー発散尺度を用いて形式化し、Receding-Horizon Plannerに組み込む。このプランナーは、タスクの進捗と情報獲得のバランスをとるコスト関数を最適化しながら、将来の行動系列を探索する。評価は、協調的で完全に観測可能な調理タスクと、競争的で部分的に観測可能な隠れんぼゲームの2つのシナリオで、それぞれシミュレーションと実ロボットで行われる。

2. 先行研究と比べてどこがすごい?

先行研究では、目標推論は受動的に観測された行動から行われることが多く、ロボットが能動的に情報を引き出すために人間の行動に影響を与えるという視点が不足していた。本手法は、ロボットが人間をCDPへと能動的に導くことで、目標をより早く正確に推論できる点が新しい。また、協調的・競争的、完全観測・部分観測といった異なる設定を統一的な枠組みで扱える点も優れている。

3. 技術・手法の肝は?

手法の肝は、CDPの定義とそれを用いたプランニングにある。CDPは、目標条件付きポリシー発散尺度(goal-conditioned policy divergence measure)によって定義され、競合する目標を持つポリシー間の行動の違いが最大となる状態を指す。Receding-Horizon Plannerは、将来の行動系列を探索し、タスク進捗と情報獲得のトレードオフをコスト関数で最適化する。これにより、ロボットは人間の目標を効率的に明らかにするような行動を選択する。

4. どうやって有効だと検証した?

有効性は、協調的な調理タスクと競争的な隠れんぼゲームの2つのシナリオで検証された。各シナリオはシミュレーションと実ロボットの両方で実施された。ベースライン戦略と比較して、提案手法は人間の目標をより正確に、かつより早く推論できることが示された。

5. 議論はある?

要旨からは、提案手法の限界や前提条件についての議論は不明である。例えば、CDPの計算コストや、人間の行動が合理的でない場合の頑健性、実世界でのノイズや不確実性への対処などは議論されていない。また、2つのシナリオでの結果が一般化可能かどうかも不明である。

6. 次に読むべき論文は?

要旨で参照されている関連研究は明示されていないが、同分野の定番として、能動的目標推論(active goal inference)、人間の行動モデリング、プランニングと情報獲得のトレードオフに関する研究が挙げられる。具体的には、Partially Observable Markov Decision Process (POMDP) を用いた能動的認識や、Bayesian inferenceに基づく目標推定などが関連する。

※ 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: Debasmita Ghose, Oz Gitelson, Michal Lewkowicz, Jake Brawer, Marynel Vazquez, Brian Scassellati

分類: cs.RO, cs.AI

原文アブストラクト

We propose a unified strategy for fast goal inference in human-robot interaction. The core idea is to drive the human toward Critical Decision Points (CDPs)-states where competing human strategies prescribe different next actions and thus maximally reveal the goal. We formalise CDPs using a goal-conditioned policy divergence measure and incorporate them into a Receding-Horizon Planner that explores future action sequences while optimizing a cost function balancing task progress and information gain. We evaluate this approach in both a collaborative, fully observable cooking task and a competitive, partially observable hide-and-seek game, each in simulation and on real robots. In both scenarios, our method infers human goals more accurately and earlier than baseline strategies.

  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