オープンエンドなタスク支援：粒子フィルタとしての目標指向型共有自律

- オープンエンドで動的に変化する目標に対応する shared autonomy の枠組み。 - goal-oriented shared autonomy を particle filter として定式化。 - particle が候補となる人間の目標を表す。 - 対話の進行に応じて新候補を動的に提案し、人間の行動で belief を更新。 - foundation models で semantic goal 提案や assistance 生成を行う。

- 既存の shared autonomy は静的な既知の目標集合を前提とすることが多い。 - そのため非構造的な assistive 設定への適用が制限されていた。 - 本研究は open-ended かつ動的に変化する目標を扱える点が異なる。 - 固定目標集合ではなく、遷移モデルが新候補を動的に提案する。 - これにより非構造的環境での利用可能性を広げる。

- goal-oriented shared autonomy を particle filter として定式化。 - particle が候補 human goal を表す。 - transition model が対話の進行に応じて新候補目標を動的に提案。 - human actions がこれらの目標に対する belief をリアルタイム更新。 - foundation models（vision grounding, large language models）を活用。 - context-relevant な semantic goal の提案、low-level skill primitives からの goal-conditioned assistance 生成、human corrections による skill の refinement を行う。

- 12名の参加者による user study を実施。 - 参加者は tabletop manipulation tasks を複数実行。 - 提案手法と state-of-the-art shared autonomy baselines を比較。 - 結果、teleoperating に費やす時間が減少。 - ユーザ満足度が向上。 - 動画: https://youtu.be/Ii26XuRqm9c

- 要旨からは不明。 - ただし、open-ended 設定での有効性とユーザ満足度向上が示されている。 - 限界や失敗事例、計算コストなどの議論は要旨では触れられていない。

- 要旨で参照/比較されている state-of-the-art shared autonomy baselines。 - foundation models を用いた vision grounding および large language models 関連研究。 - particle filter を用いた shared autonomy の先行研究。 - 具体的な論文名は要旨からは不明。