Fugu-MT 論文翻訳(概要): Non Normalized Shared-Constraint Dynamic Games for Human-Robot Collaboration with Asymmetric Responsibility

論文の概要: Non Normalized Shared-Constraint Dynamic Games for Human-Robot Collaboration with Asymmetric Responsibility

arxiv url: http://arxiv.org/abs/2512.08688v1
Date: Tue, 09 Dec 2025 15:08:02 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-23 08:17:40.236832
Title: Non Normalized Shared-Constraint Dynamic Games for Human-Robot Collaboration with Asymmetric Responsibility
Title（参考訳）: 非対称責任を持つロボット協調のための非正規化共有制約動的ゲーム
Authors: Mark Pustilnik, Francesco Borrelli,
Abstract要約: 重要な貢献は、共有制約に対する非正規化平衡構造の導入である。この非正規化平衡を回帰水平最適制御スキームに組み込む。
参考スコア（独自算出の注目度）: 3.736063711613611
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper proposes a dynamic game formulation for cooperative human-robot navigation in shared workspaces with obstacles, where the human and robot jointly satisfy shared safety constraints while pursuing a common task. A key contribution is the introduction of a non-normalized equilibrium structure for the shared constraints. This structure allows the two agents to contribute different levels of effort towards enforcing safety requirements such as collision avoidance and inter-players spacing. We embed this non-normalized equilibrium into a receding-horizon optimal control scheme.
Abstract（参考訳）: 本稿では,人間とロボットが共通のタスクを追求しながら共有安全制約を共同で満たすような,共有作業空間における協調型ロボットナビゲーションのための動的ゲーム構成を提案する。重要な貢献は、共有制約に対する非正規化平衡構造の導入である。この構造により、2人のエージェントは衝突回避やプレイヤー間距離といった安全要件の強化にさまざまな努力を注ぐことができる。この非正規化平衡を回帰水平最適制御スキームに組み込む。

関連論文リスト

Dual-Quadruped Collaborative Transportation in Narrow Environments via Safe Reinforcement Learning [7.455739176206637]
安全強化学習(RL)による二乗四足歩行協調輸送のための新しい手法を提案する。本稿では,チーム制約の総和を上限以下に抑えるためのコストアドバンテージ分解手法を提案する。また,各ロボットに共有制約を割り当て,全体のタスク報酬を最大化する制約割当手法を提案する。
論文参考訳（メタデータ） (2026-02-18T10:35:45Z)
Augmenting Human Balance with Generic Supernumerary Robotic Limbs [3.544956738314685]
超数ロボット手足(SL)は、幅広い人間の活動を変える可能性がある。我々は,人間-SLシステムにおけるバランス維持の問題に対処する。汎用用途のために設計されたSLとのバランスを保つための一般的なフレームワークを提案する。
論文参考訳（メタデータ） (2026-02-16T17:29:34Z)
HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model [56.4392302336014]
本稿では,外部状態推定を伴わない多種多様なオブジェクトダイナミクス間のロバストな相互作用のためのフレームワークであるHAICを提案する。我々の重要な貢献は、主観的歴史のみから高次対象状態(速度、加速度)を推定するダイナミクス予測器である。ヒューマノイドロボットの実験では、HAICはアジャイルタスクで高い成功率を達成する。
論文参考訳（メタデータ） (2026-02-12T09:34:35Z)
Implicitly Aligning Humans and Autonomous Agents through Shared Task Abstractions [42.813774494968214]
HA$2$:階層的アドホックエージェント(hierarchical Ad Hoc Agents)は、階層的強化学習を利用して、人間が協調で使用する構造的アプローチを模倣するフレームワークである。オーバークッキング環境におけるHA$2$の評価を行い、未確認エージェントと人間の両方と組み合わせた場合、既存のベースラインよりも統計的に有意な改善が見られた。
論文参考訳（メタデータ） (2025-05-07T17:19:17Z)
COMBO-Grasp: Learning Constraint-Based Manipulation for Bimanual Occluded Grasping [56.907940167333656]
集積ロボットグルーピングは、表面衝突などの環境制約により、所望のグルーピングポーズが運動的に不可能な場所である。従来のロボット操作アプローチは、人間が一般的に使用する非包括的または双対的戦略の複雑さに苦しむ。本稿では,2つの協調ポリシーを活用する学習ベースアプローチであるCOMBO-Grasp(Constraint-based Manipulation for Bimanual Occluded Grasping)を紹介する。
論文参考訳（メタデータ） (2025-02-12T01:31:01Z)
Learning to Balance Altruism and Self-interest Based on Empathy in Mixed-Motive Games [47.8980880888222]
マルチエージェントのシナリオは、しばしば混合モチベーションを伴い、潜在的な搾取に対する自己保護が可能な利他的エージェントを要求する。共感に基づくアルトリズムと自己利益のバランスをとるためのLASE学習を提案する。 LASEはその報酬の一部を共同プレイヤにギフトとして割り当て、このアロケーションは社会的関係に基づいて動的に適応する。
論文参考訳（メタデータ） (2024-10-10T12:30:56Z)
Online Learning of Human Constraints from Feedback in Shared Autonomy [25.173950581816086]
人間とのリアルタイムなコラボレーションは、様々な物理的制約によって生じる人間の行動パターンが異なるため、課題を提起する。我々は、異なる人間のオペレータの多様な振る舞いを考慮した人間の制約モデルを学ぶ。本研究では,人間の身体的制約を学習し,適応できる補助エージェントを提案する。
論文参考訳（メタデータ） (2024-03-05T13:53:48Z)
Tackling Asymmetric and Circular Sequential Social Dilemmas with Reinforcement Learning and Graph-based Tit-for-Tat [0.0]
社会的ジレンマは、複数の俳優が最高の結果を達成するために協力すべき状況を提供するが、怒りと恐怖は最悪の自己関心の問題に繋がる。近年、深層強化学習の出現は、逐次社会ジレンマ(SSD)の導入により、社会ジレンマへの関心が復活した。本稿では,エージェント間の協調の多様性をより一般化する新しい種類のマルコフゲームであるCircular Sequential Social Dilemma (CSSD)を用いて,SSDを拡張した。
論文参考訳（メタデータ） (2022-06-26T15:42:48Z)
Cooperative Control of Mobile Robots with Stackelberg Learning [63.99843063704676]
マルチロボットの協力は、エージェントが共通の目標に整合性を持たなければならない。協調制御におけるスタックルバーグ学習という手法を提案する。
論文参考訳（メタデータ） (2020-08-03T07:21:51Z)

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。