論文の概要: A Bayesian Framework for Nash Equilibrium Inference in Human-Robot Parallel Play

• arxiv url: http://arxiv.org/abs/2006.05729v1
• Date: Wed, 10 Jun 2020 08:38:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 06:17:53.381916
• Title: A Bayesian Framework for Nash Equilibrium Inference in Human-Robot Parallel Play
• Title（参考訳）: ロボットパラレルプレイにおけるナッシュ平衡推論のためのベイズ的枠組み
• Authors: Shray Bansal, Jin Xu, Ayanna Howard, Charles Isbell
• Abstract要約: 我々は、並列プレイと呼ばれる独立した目標を達成するために行動する人間やロボットとのワークスペースシナリオの共有を検討する。 我々は、Nash平衡解の概念を利用して、計画中の双方のエージェントの対話的効果を考察する枠組みを構築した。 平衡を推定するためにベイズ的手法を用いることで、ロボットは衝突回数の半分未満でタスクを完了できると同時に、最高のベースラインと比較してタスク実行時間を短縮できることを示す。
• 参考スコア（独自算出の注目度）: 4.442828291547265
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider shared workspace scenarios with humans and robots acting to achieve independent goals, termed as parallel play. We model these as general-sum games and construct a framework that utilizes the Nash equilibrium solution concept to consider the interactive effect of both agents while planning. We find multiple Pareto-optimal equilibria in these tasks. We hypothesize that people act by choosing an equilibrium based on social norms and their personalities. To enable coordination, we infer the equilibrium online using a probabilistic model that includes these two factors and use it to select the robot's action. We apply our approach to a close-proximity pick-and-place task involving a robot and a simulated human with three potential behaviors - defensive, selfish, and norm-following. We showed that using a Bayesian approach to infer the equilibrium enables the robot to complete the task with less than half the number of collisions while also reducing the task execution time as compared to the best baseline. We also performed a study with human participants interacting either with other humans or with different robot agents and observed that our proposed approach performs similar to human-human parallel play interactions. The code is available at https://github.com/shray/bayes-nash
• Abstract（参考訳）: 我々は、並列プレイと呼ばれる独立した目標を達成するために行動する人間やロボットとのワークスペースシナリオの共有を検討する。 我々は,これらを汎用ゲームとしてモデル化し,nash均衡解の概念を活用したフレームワークを構築し,計画中の両エージェントの対話的効果を検討する。 これらのタスクには複数のpareto-optimal equilibriaがある。 我々は、人々が社会的規範と個性に基づいて均衡を選択することによって行動する、と仮定する。 協調を可能にするために, この2つの因子を含む確率モデルを用いてオンラインの平衡を推定し, ロボットの動作を選択する。 我々は、ロボットとシミュレーションされた人間の3つの潜在的な行動 - 防御、自尊心、規範的追跡 - を含む近近近性ピック・アンド・プレイス・タスクに適用する。 本研究では, 平衡推定にベイズ的手法を用いることで, 衝突回数の半分未満でタスクを完了できると同時に, 最適なベースラインと比較してタスク実行時間を短縮できることを示した。 また,他の人間や異なるロボットエージェントと対話する人間と実験を行い,提案手法が人間と人間の並列プレイインタラクションと類似していることを確認した。 コードはhttps://github.com/shray/bayes-nashで入手できる。

関連論文リスト

• Robot Interaction Behavior Generation based on Social Motion Forecasting for Human-Robot Interaction [9.806227900768926]
  本稿では,共有ロボット表現空間における社会的動き予測のモデル化を提案する。 ECHOは上記の共有空間で活動し、社会的シナリオで遭遇したエージェントの将来の動きを予測する。 我々は,多対人動作予測タスクにおけるモデルの評価を行い,最先端の性能を大きなマージンで獲得する。
  論文  参考訳（メタデータ） (2024-02-07T11:37:14Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Habitat 3.0: A Co-Habitat for Humans, Avatars and Robots [119.55240471433302]
  Habitat 3.0は、家庭環境における協調ロボットタスクを研究するためのシミュレーションプラットフォームである。 複雑な変形可能な体と外観と運動の多様性をモデル化する際の課題に対処する。 Human-in-the-loopインフラストラクチャは、マウス/キーボードまたはVRインターフェースを介してシミュレーションされたロボットとの実際のヒューマンインタラクションを可能にする。
  論文  参考訳（メタデータ） (2023-10-19T17:29:17Z)
• ImitationNet: Unsupervised Human-to-Robot Motion Retargeting via Shared Latent Space [9.806227900768926]
  本稿では,ロボットの動きに対する新しいディープラーニング手法を提案する。 本手法では,新しいロボットへの翻訳を容易にする,人間とロボットのペアデータを必要としない。 我々のモデルは、効率と精度の観点から、人間とロボットの類似性に関する既存の研究よりも優れています。
  論文  参考訳（メタデータ） (2023-09-11T08:55:04Z)
• Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement Learning [54.636562516974884]
  模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。 本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。 ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
  論文  参考訳（メタデータ） (2023-03-02T18:51:38Z)
• Learning Latent Representations to Co-Adapt to Humans [12.71953776723672]
  非定常的な人間はロボット学習者に挑戦しています。 本稿では,ロボットが動的人間と協調して適応できるアルゴリズム形式について紹介する。
  論文  参考訳（メタデータ） (2022-12-19T16:19:24Z)
• How Bad is Selfish Driving? Bounding the Inefficiency of Equilibria in Urban Driving Games [64.71476526716668]
  我々は,任意の平衡選手がプレーに同意するであろう効率について検討する。 我々は、アナーキーの価格に関する既存の境界を洗練させる保証を得る。 提案手法はオープンループ軌道に対する懸念を保証しているが,エージェントがクローズドループポリシーを採用する場合においても,効率的な平衡を観測する。
  論文  参考訳（メタデータ） (2022-10-24T09:32:40Z)
• Motron: Multimodal Probabilistic Human Motion Forecasting [30.154996245556532]
  モトロン(Motron)は、人間のマルチモーダルを捉えるグラフ構造モデルである。 各モードに対して決定論的動きと対応する信頼値を出力する。 実世界の動き予測データセットを用いて,本モデルの性能を実証する。
  論文  参考訳（メタデータ） (2022-03-08T14:58:41Z)
• Show Me What You Can Do: Capability Calibration on Reachable Workspace for Human-Robot Collaboration [83.4081612443128]
  本稿では,REMPを用いた短時間キャリブレーションにより,ロボットが到達できると考える非専門家と地道とのギャップを効果的に埋めることができることを示す。 この校正手順は,ユーザ認識の向上だけでなく,人間とロボットのコラボレーションの効率化にも寄与することを示す。
  論文  参考訳（メタデータ） (2021-03-06T09:14:30Z)
• Joint Mind Modeling for Explanation Generation in Complex Human-Robot Collaborative Tasks [83.37025218216888]
  本稿では,人間とロボットのコラボレーションにおいて,人間のようなコミュニケーションを実現するための新しい説明可能なAI(XAI)フレームワークを提案する。 ロボットは、人間のユーザの階層的なマインドモデルを構築し、コミュニケーションの一形態として自身のマインドの説明を生成する。 その結果,提案手法はロボットの協調動作性能とユーザ認識を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2020-07-24T23:35:03Z)
• Supportive Actions for Manipulation in Human-Robot Coworker Teams [15.978389978586414]
  我々は、将来の干渉を減らすことで相互作用を支援する行動を、支援ロボット行動と表現する。 1)タスク指向: ロボットは自身のタスク目標をさらに進めるためにのみ行動を取るし、(2)支援的: ロボットはタスク指向のタスクよりも支援的行動を好む。 シミュレーション実験では, 人体モデルを用いて, エージェント間の干渉を軽減し, 作業の完了に要する時間が長いことを明らかにした。
  論文  参考訳（メタデータ） (2020-05-02T09:37:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。