論文の概要: Robust Planning for Human-Robot Joint Tasks with Explicit Reasoning on Human Mental State

• arxiv url: http://arxiv.org/abs/2210.08879v1
• Date: Mon, 17 Oct 2022 09:21:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 21:25:39.505346
• Title: Robust Planning for Human-Robot Joint Tasks with Explicit Reasoning on Human Mental State
• Title（参考訳）: 明示的推論による人間-ロボット共同作業のロバスト計画
• Authors: Anthony Favier, Shashank Shekhar, Rachid Alami
• Abstract要約: 我々は,人間ロボットチームが達成するための既知の目的を持った共有タスクを与えられる,人間に意識したタスク計画問題を考える。 近年のアプローチでは、ロボットが両方のエージェント(共有された)タスクを計画する独立した合理的エージェントのチームとしてそれをモデル化している。 本稿では,実行時の可観測性規約をモデル化し,使用するための新しいアプローチについて述べる。
• 参考スコア（独自算出の注目度）: 2.8246074016493457
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider the human-aware task planning problem where a human-robot team is given a shared task with a known objective to achieve. Recent approaches tackle it by modeling it as a team of independent, rational agents, where the robot plans for both agents' (shared) tasks. However, the robot knows that humans cannot be administered like artificial agents, so it emulates and predicts the human's decisions, actions, and reactions. Based on earlier approaches, we describe a novel approach to solve such problems, which models and uses execution-time observability conventions. Abstractly, this modeling is based on situation assessment, which helps our approach capture the evolution of individual agents' beliefs and anticipate belief divergences that arise in practice. It decides if and when belief alignment is needed and achieves it with communication. These changes improve the solver's performance: (a) communication is effectively used, and (b) robust for more realistic and challenging problems.
• Abstract（参考訳）: 我々は,人間ロボットチームが達成するための既知の目的を持った共有タスクを与えられる,人間対応タスク計画問題を考える。 近年のアプローチでは、ロボットが両方のエージェント(共有された)タスクを計画する独立した合理的エージェントのチームとしてそれをモデル化している。 しかし、ロボットは人間が人工エージェントのように管理できないことを知っており、人間の決定、行動、反応をエミュレートし、予測する。 従来のアプローチに基づいて,実行時の可観測性規約をモデル化し,使用するための新しいアプローチについて述べる。 要約すると、このモデリングは状況アセスメントに基づいており、我々のアプローチは個々のエージェントの信念の進化を捉え、実際に起こる信念の多様性を予測するのに役立つ。 信念の一致が必要かどうかを判断し、コミュニケーションによって達成する。 これらの変更はソルバの性能を改善する。 (a)コミュニケーションを効果的に利用し (b)より現実的で困難な問題に対して堅牢である。

関連論文リスト

• Learning to Assist Humans without Inferring Rewards [65.28156318196397]
  我々は、エンパワーメントのレンズを通して支援を研究する先行研究に基づいて構築する。 補助剤は、人間の行動の影響を最大化することを目的としている。 これらの表現は、先行研究と類似したエンパワーメントの概念を推定する。
  論文  参考訳（メタデータ） (2024-11-04T21:31:04Z)
• An Epistemic Human-Aware Task Planner which Anticipates Human Beliefs and Decisions [8.309981857034902]
  目的は、制御不能な人間の行動を説明するロボットポリシーを構築することである。 提案手法は,AND-OR探索に基づく新しい計画手法と解法の構築である。 2つの領域における予備的な実験は、1つの新しいものと1つの適応されたもので、フレームワークの有効性を実証している。
  論文  参考訳（メタデータ） (2024-09-27T08:27:36Z)
• Reinforcement Learning Interventions on Boundedly Rational Human Agents in Frictionful Tasks [25.507656595628376]
  本稿では,AIエージェントがマルコフ決定プロセス(MDP)のパラメータに介入する枠組みを紹介する。 私たちは、人間のモデルによるAI計画が、より複雑で地道な人間の幅広い政策に結びつくことを示しています。
  論文  参考訳（メタデータ） (2024-01-26T14:59:48Z)
• ThinkBot: Embodied Instruction Following with Thought Chain Reasoning [66.09880459084901]
  EIF(Embodied Instruction following)は、複雑な環境下でオブジェクトを相互作用させることで、エージェントが人間の指示を完了させる。 我々は,人間の指導における思考連鎖を原因とした思考ボットを提案し,その不足した行動記述を復元する。 私たちのThinkBotは、成功率と実行効率の両面で、最先端のEIFメソッドよりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2023-12-12T08:30:09Z)
• Real-time Addressee Estimation: Deployment of a Deep-Learning Model on the iCub Robot [52.277579221741746]
  住所推定は、社会ロボットが人間とスムーズに対話するために必要なスキルである。 人間の知覚スキルにインスパイアされたディープラーニングモデルは、iCubロボットに設計、訓練、デプロイされる。 本研究では,人間-ロボットのリアルタイムインタラクションにおいて,そのような実装の手順とモデルの性能について述べる。
  論文  参考訳（メタデータ） (2023-11-09T13:01:21Z)
• Robust Robot Planning for Human-Robot Collaboration [11.609195090422514]
  人間とロボットのコラボレーションにおいて、人間の目的はしばしばロボットに未知である。 本研究では,各目的関数に対して不確実な人間行動(ポリシー)を自動的に生成する手法を提案する。 また,上記の不確実性に対して頑健なロボット計画アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-27T16:02:48Z)
• Generating Active Explicable Plans in Human-Robot Teaming [4.657875410615595]
  ロボットは人間の期待に応えて明示的に振る舞うことが重要である。 説明可能な計画を生成するための既存のアプローチは、しばしば人間の期待が知られ、静的であると仮定する。 ベイズ的アプローチを用いて、人間の動的な信念と期待をモデル化し、予測し、説明可能な計画をさらに予測する。
  論文  参考訳（メタデータ） (2021-09-18T05:05:50Z)
• Watch-And-Help: A Challenge for Social Perception and Human-AI Collaboration [116.28433607265573]
  我々は、AIエージェントでソーシャルインテリジェンスをテストするための課題であるWatch-And-Help(WAH)を紹介する。 WAHでは、AIエージェントは、人間のようなエージェントが複雑な家庭用タスクを効率的に実行するのを助ける必要がある。 マルチエージェントの家庭環境であるVirtualHome-Socialを構築し、計画と学習ベースのベースラインを含むベンチマークを提供する。
  論文  参考訳（メタデータ） (2020-10-19T21:48:31Z)
• Getting to Know One Another: Calibrating Intent, Capabilities and Trust for Human-Robot Collaboration [13.895990928770459]
  ロボットが直接意思を伝えることができない人間を支援するシナリオに焦点を当てる。 我々は、決定論的アプローチを採用し、この設定をモデル化するためのTICC-POMDPを提案する。 実験によって、我々のアプローチはシミュレーションと実際の被験者による研究の両方において、より良いチームパフォーマンスをもたらすことが示された。
  論文  参考訳（メタデータ） (2020-08-03T08:04:15Z)
• 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)
• AvE: Assistance via Empowerment [77.08882807208461]
  そこで我々は,人間の環境制御能力を高めることで,支援のための新しいパラダイムを提案する。 このタスクに依存しない目的は、個人の自律性と最終的な状態を達成する能力を維持する。
  論文  参考訳（メタデータ） (2020-06-26T04:40:11Z)

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。