論文の概要: Prospect Theory in Physical Human-Robot Interaction: A Pilot Study of Probability Perception

• arxiv url: http://arxiv.org/abs/2512.08481v1
• Date: Tue, 09 Dec 2025 10:55:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.227756
• Title: Prospect Theory in Physical Human-Robot Interaction: A Pilot Study of Probability Perception
• Title（参考訳）: 物理的人間-ロボット相互作用の展望理論:確率知覚のパイロット研究
• Authors: Yixiang Lin, Tiancheng Yang, Jonathan Eden, Ying Tan,
• Abstract要約: 不確実性に対するヒトの反応を理解することは、安全で効果的な物理的ロボット相互作用(pHRI)の設計に重要である 本研究は、ロボットが支援や障害を系統的に変化させる物理的に結合された目標取得タスクを実装した。 被験者の力の入力と意思決定戦略の分析により,2つの異なる行動クラスターが明らかになった。 これらの結果は、pHRIにおけるヒトの意思決定が高度に個別化され、確率の知覚がその真の価値と異なる可能性があるという実証的な証拠を提供する。
• 参考スコア（独自算出の注目度）: 2.675153459461615
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding how humans respond to uncertainty is critical for designing safe and effective physical human-robot interaction (pHRI), as physically working with robots introduces multiple sources of uncertainty, including trust, comfort, and perceived safety. Conventional pHRI control frameworks typically build on optimal control theory, which assumes that human actions minimize a cost function; however, human behavior under uncertainty often departs from such optimal patterns. To address this gap, additional understanding of human behavior under uncertainty is needed. This pilot study implemented a physically coupled target-reaching task in which the robot delivered assistance or disturbances with systematically varied probabilities (10\% to 90\%). Analysis of participants' force inputs and decision-making strategies revealed two distinct behavioral clusters: a "trade-off" group that modulated their physical responses according to disturbance likelihood, and an "always-compensate" group characterized by strong risk aversion irrespective of probability. These findings provide empirical evidence that human decision-making in pHRI is highly individualized and that the perception of probability can differ to its true value. Accordingly, the study highlights the need for more interpretable behavioral models, such as cumulative prospect theory (CPT), to more accurately capture these behaviors and inform the design of future adaptive robot controllers.
• Abstract（参考訳）: 人間が不確実性にどう反応するかを理解することは、安全で効果的な物理的人間とロボットの相互作用(pHRI)を設計するために重要である。 従来のpHRI制御フレームワークは通常、人間の行動がコスト関数を最小限に抑えると仮定する最適制御理論に基づいて構築される。 このギャップに対処するには、不確実性の下での人間の行動に関するさらなる理解が必要である。 このパイロットスタディでは、物理的に結合された目標取得タスクを実施し、ロボットは、体系的に変化する確率(10\%から90\%)の補助や障害を納品した。 被験者のインプットと意思決定戦略の分析から, 障害確率に応じて身体反応を調節する「トレードオフ」グループと, 確率によらず強いリスク回避を特徴とする「常に補償」グループという, 2つの異なる行動クラスターが明らかになった。 これらの結果は、pHRIにおけるヒトの意思決定が高度に個別化され、確率の知覚がその真の価値と異なる可能性があるという実証的な証拠を提供する。 そこで本研究では、これらの振る舞いをより正確に捉え、将来の適応型ロボットコントローラの設計を伝えるために、累積予測理論(CPT)のようなより解釈可能な行動モデルの必要性を強調した。

関連論文リスト

• Exploring Causality for HRI: A Case Study on Robotic Mental Well-being Coaching [9.131470351183392]
  本研究は, 相互作用における順応性の効果について, より深い知見を得ることを目的としている。 本研究は,マクロレベルの因果解析とマイクロレベルの因果解析を併用することにより,相互作用中の順応性によって幸福感が向上する可能性について,より深い知見を得ることを目的とする。
  論文  参考訳（メタデータ） (2025-03-04T08:56:47Z)
• Offline Risk-sensitive RL with Partial Observability to Enhance Performance in Human-Robot Teaming [1.3980986259786223]
  本稿では,モデルの不確実性を取り入れ,リスクに敏感なシーケンシャルな意思決定を可能にする手法を提案する。 シミュレーションロボット遠隔操作環境において,26名の被験者を対象に実験を行った。
  論文  参考訳（メタデータ） (2024-02-08T14:27:34Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Neuroadaptation in Physical Human-Robot Collaboration [34.73541717674098]
  我々は,pHRCのための新しいクローズドループニューラプティブフレームワークを実証した。 我々は,ロボット戦略に適応するために,強化学習の助けを借りて,認知コンフリクト情報をクローズループ方式で適用した。 実験の結果,クローズドループに基づくニューロアダプティブ・フレームワークは認知的対立のレベルを下げることができた。
  論文  参考訳（メタデータ） (2023-09-30T12:16:24Z)
• 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)
• Data-driven emotional body language generation for social robotics [58.88028813371423]
  社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。 我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。 評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
  論文  参考訳（メタデータ） (2022-05-02T09:21:39Z)
• The world seems different in a social context: a neural network analysis of human experimental data [57.729312306803955]
  本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。 トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
  論文  参考訳（メタデータ） (2022-03-03T17:19:12Z)
• Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
  ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。 正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。 人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
  論文  参考訳（メタデータ） (2022-01-27T22:15:56Z)
• Probabilistic Human Motion Prediction via A Bayesian Neural Network [71.16277790708529]
  本稿では,人間の動作予測のための確率モデルを提案する。 我々のモデルは、観測された動きシーケンスが与えられたときに、いくつかの将来の動きを生成することができる。 我々は、大規模ベンチマークデータセットHuman3.6mに対して、我々のアプローチを広範囲に検証した。
  論文  参考訳（メタデータ） (2021-07-14T09:05:33Z)
• Risk-Sensitive Sequential Action Control with Multi-Modal Human Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
  本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。 私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。 シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
  論文  参考訳（メタデータ） (2020-09-12T02:02:52Z)

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。