論文の概要: Open-Ended Goal Inference through Actions and Language for Human-Robot Collaboration

• arxiv url: http://arxiv.org/abs/2512.04453v1
• Date: Thu, 04 Dec 2025 04:51:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-05 21:11:45.995394
• Title: Open-Ended Goal Inference through Actions and Language for Human-Robot Collaboration
• Title（参考訳）: 人間-ロボット協調のための行動と言語によるオープンエンドゴール推論
• Authors: Debasmita Ghose, Oz Gitelson, Marynel Vazquez, Brian Scassellati,
• Abstract要約: BALI(Bidirectional Action-Language Inference)は、自然言語と観察された人間の行動を統合する手法である。 我々は,ロボットにとってゴールが新しく,無拘束な共同調理作業におけるアプローチを評価する。
• 参考スコア（独自算出の注目度）: 0.8137198664755597
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To collaborate with humans, robots must infer goals that are often ambiguous, difficult to articulate, or not drawn from a fixed set. Prior approaches restrict inference to a predefined goal set, rely only on observed actions, or depend exclusively on explicit instructions, making them brittle in real-world interactions. We present BALI (Bidirectional Action-Language Inference) for goal prediction, a method that integrates natural language preferences with observed human actions in a receding-horizon planning tree. BALI combines language and action cues from the human, asks clarifying questions only when the expected information gain from the answer outweighs the cost of interruption, and selects supportive actions that align with inferred goals. We evaluate the approach in collaborative cooking tasks, where goals may be novel to the robot and unbounded. Compared to baselines, BALI yields more stable goal predictions and significantly fewer mistakes.
• Abstract（参考訳）: 人間と協力するには、ロボットは、しばしば曖昧で、明瞭に、あるいは固定セットから引き出さない目標を推測する必要がある。 事前のアプローチは、事前に定義された目標セットへの推論を制限し、観察された行動のみに依存するか、明示的な指示にのみ依存する。 本稿では,目的予測のためのBALI(Bidirectional Action-Language Inference)を提案する。 BALIは、人間からの言語と行動の手がかりを組み合わせて、回答から得られる期待情報が割り込みコストよりも高い場合にのみ、質問を明確にし、推測された目標に沿った支援的な行動を選択する。 本研究は,ロボットにとってゴールが新規で,無拘束な共同調理作業におけるアプローチを評価するものである。 ベースラインと比較すると、BALIはより安定した目標予測とはるかに少ない誤りをもたらす。

関連論文リスト

• Open-Universe Assistance Games [6.21910767424247]
  GOODは、人間との対話中に自然言語形式で目標を抽出する、データ効率のよいオンライン手法である。 GOODはLLMに、異なる複雑な意図を持つユーザをシミュレートするよう促し、その応答を使用して、候補目標に対する確率的推論を実行する。 我々は、テキストベースの食料品ショッピングドメインと、テキスト操作型家庭用ロボット環境におけるGOODの評価を行った。
  論文  参考訳（メタデータ） (2025-08-20T23:07:10Z)
• Infer Human's Intentions Before Following Natural Language Instructions [24.197496779892383]
  本研究では,協調作業における自然言語学習の改善を目的とした,ソーシャル・エンボダイド推論によるフォローインストラクション(FISER)を提案する。 我々のフレームワークは、中間的推論ステップとして、人間の目標と意図を明確に推論する。 行動計画を立てる前に、社会的推論を用いて人間の意図を明示的に推測することが、純粋にエンドツーエンドのアプローチを超えることを実証的に実証する。
  論文  参考訳（メタデータ） (2024-09-26T17:19:49Z)
• Pragmatic Instruction Following and Goal Assistance via Cooperative Language-Guided Inverse Planning [52.91457780361305]
  本稿では,協調型言語誘導逆計画探索(CLIPS)を紹介する。 我々のエージェントは、協力的なプランナーとして人間をモデル化し、アシスタントに共同計画を伝える。 2つの協調計画領域(ドア,キー&ジェム,バーチャルホーム)におけるこれらの機能の評価
  論文  参考訳（メタデータ） (2024-02-27T23:06:53Z)
• 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)
• Proactive Human-Robot Interaction using Visuo-Lingual Transformers [0.0]
  人間は人間の相互作用を通して文脈を推測するために、潜伏したビスオ・言語的手がかりを抽出する能力を持っている。 本研究では,シーンからの視覚的手がかり,ユーザからの言語コマンド,事前オブジェクト間相互作用の知識を用いて,ユーザが達成しようとしている目標を積極的に予測する学習手法を提案する。
  論文  参考訳（メタデータ） (2023-10-04T00:50:21Z)
• "No, to the Right" -- Online Language Corrections for Robotic Manipulation via Shared Autonomy [70.45420918526926]
  LILACは、実行中に自然言語の修正をオンラインで実施し、適応するためのフレームワークである。 LILACは人間とロボットを個別にターンテイクする代わりに、人間とロボットの間にエージェンシーを分割する。 提案手法は,タスク完了率が高く,ユーザによって主観的に好まれることを示す。
  論文  参考訳（メタデータ） (2023-01-06T15:03:27Z)
• GoalNet: Inferring Conjunctive Goal Predicates from Human Plan Demonstrations for Robot Instruction Following [15.405156791794191]
  私たちのゴールは、自然言語命令として指定されたタスクを実行するために、ロボットがアクションのシーケンスを学習できるようにすることです。 目的予測の文脈的およびタスク依存的推論のための新しいニューロシンボリックモデルであるGoalNetを導入する。 GoalNetは、最先端のルールベースのアプローチと比較してタスク完了率を大幅に改善した(51%)。
  論文  参考訳（メタデータ） (2022-05-14T15:14:40Z)
• Correcting Robot Plans with Natural Language Feedback [88.92824527743105]
  ロボットの修正のための表現的かつ柔軟なツールとして自然言語を探索する。 これらの変換により、ユーザは目標を正し、ロボットの動きを更新し、計画上のエラーから回復できる。 本手法により,シミュレーション環境や実環境において,複数の制約を合成し,未知のシーン,オブジェクト,文に一般化することが可能となる。
  論文  参考訳（メタデータ） (2022-04-11T15:22:43Z)
• Ethical-Advice Taker: Do Language Models Understand Natural Language Interventions? [62.74872383104381]
  読解システムにおける自然言語介入の有効性について検討する。 本稿では,新たな言語理解タスクであるLingguistic Ethical Interventions (LEI)を提案する。
  論文  参考訳（メタデータ） (2021-06-02T20:57:58Z)
• Inverse Reinforcement Learning with Natural Language Goals [8.972202854038382]
  言語条件付きポリシーと報酬関数を学習するための新しい逆強化学習アルゴリズムを提案する。 提案アルゴリズムは,視覚に基づく自然言語によるデータセットの学習において,複数のベースラインをはるかに上回る性能を示した。
  論文  参考訳（メタデータ） (2020-08-16T14:43:49Z)

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。