論文の概要: Explaining Why Things Go Where They Go: Interpretable Constructs of Human Organizational Preferences

• arxiv url: http://arxiv.org/abs/2512.24829v1
• Date: Wed, 31 Dec 2025 12:46:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.654368
• Title: Explaining Why Things Go Where They Go: Interpretable Constructs of Human Organizational Preferences
• Title（参考訳）: 物事がどこへ行くのかを解説する:人間の組織的選好の解釈可能な構成
• Authors: Emmanuel Fashae, Michael Burke, Leimin Tian, Lingheng Meng, Pamela Carreno-Medrano,
• Abstract要約: 4つの解釈可能な構造に沿って、対象配置の明示的な定式化を導入する。 結果は,2つのシナリオにまたがって,これらの構成要素の心理的特徴と説明力について検証した。 この研究は、オブジェクト配置の好みのコンパクトで解釈可能な定式化と、ロボット計画のための運用方法の実証に寄与する。
• 参考スコア（独自算出の注目度）: 4.313393168297009
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robotic systems for household object rearrangement often rely on latent preference models inferred from human demonstrations. While effective at prediction, these models offer limited insight into the interpretable factors that guide human decisions. We introduce an explicit formulation of object arrangement preferences along four interpretable constructs: spatial practicality (putting items where they naturally fit best in the space), habitual convenience (making frequently used items easy to reach), semantic coherence (placing items together if they are used for the same task or are contextually related), and commonsense appropriateness (putting things where people would usually expect to find them). To capture these constructs, we designed and validated a self-report questionnaire through a 63-participant online study. Results confirm the psychological distinctiveness of these constructs and their explanatory power across two scenarios (kitchen and living room). We demonstrate the utility of these constructs by integrating them into a Monte Carlo Tree Search (MCTS) planner and show that when guided by participant-derived preferences, our planner can generate reasonable arrangements that closely align with those generated by participants. This work contributes a compact, interpretable formulation of object arrangement preferences and a demonstration of how it can be operationalized for robot planning.
• Abstract（参考訳）: 家庭用物の再配置のためのロボットシステムは、しばしば人間のデモンストレーションから推測される潜在的嗜好モデルに依存している。 予測には有効だが、これらのモデルは人間の決定を導く解釈可能な要因について限定的な洞察を与える。 空間的実用性(自然に空間に収まるアイテムを配置する)、習慣的利便性(到達しやすいアイテムを頻繁に作成する)、意味的コヒーレンス(同じタスクに使用したり、文脈的に関連しているアイテムをまとめる)、常識的適切性(人々が見つけることを期待するものを置く)という4つの解釈可能な構成要素に沿って、対象配置の明示的な定式化を導入する。 本研究は,63人を対象にしたオンライン調査を通じて,自己申告アンケートを作成・検証した。 その結果、これらの構成物の心理的特徴と、2つのシナリオ(キッチンとリビングルーム)にまたがる説明力が確認された。 我々は,モンテカルロ木探索(MCTS)プランナーに統合することで,これらの構築物の有用性を実証し,参加者から選好を受けると,参加者が生成したものと密に整合する合理的な配置を生成することができることを示す。 この研究は、オブジェクト配置の好みのコンパクトで解釈可能な定式化と、ロボット計画のための運用方法の実証に寄与する。

関連論文リスト

• HELP: Hierarchical Embodied Language Planner for Household Tasks [75.38606213726906]
  複雑なシナリオを扱うエージェントは、堅牢な計画能力に大きく依存する。 広範な言語知識を備えた大規模言語モデルは、この役割を果たすことができる。 LLMをベースとした一組のエージェントからなる階層型エンボディード言語プランナーHELPを提案する。
  論文  参考訳（メタデータ） (2025-12-25T15:54:08Z)
• GOPLA: Generalizable Object Placement Learning via Synthetic Augmentation of Human Arrangement [16.549660613125877]
  GOPLAは、拡張された人間のデモンストレーションから一般化可能なオブジェクト配置を学ぶ階層的なフレームワークである。 データ不足を克服するため、私たちは、人間の配置デモを多様な合成トレーニングデータに拡張するスケーラブルなパイプラインを導入しました。 提案手法は, 位置決め精度と身体的妥当性を指標として, ランナアップよりも30.04ポイントの配置成功率を向上する。
  論文  参考訳（メタデータ） (2025-10-16T12:38:14Z)
• 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)
• Physical Reasoning and Object Planning for Household Embodied Agents [19.88210708022216]
  我々はCommonSense Object Affordance Task (COAT)を紹介した。 COATは現実世界の環境における実践的な意思決定の複雑さに関する洞察を提供する。 コントリビューションには、3つの要因すべてに対する洞察に富んだ人間の嗜好マッピングと4つの広範囲なQAデータセットが含まれています。
  論文  参考訳（メタデータ） (2023-11-22T18:32:03Z)
• Navigation with Large Language Models: Semantic Guesswork as a Heuristic for Planning [73.0990339667978]
  不慣れな環境でのナビゲーションは、ロボットにとって大きな課題となる。 言語モデルを用いて、新しい現実世界環境のバイアス探索を行う。 実環境におけるLFGの評価とシミュレーションベンチマークを行った。
  論文  参考訳（メタデータ） (2023-10-16T06:21:06Z)
• Inferring Versatile Behavior from Demonstrations by Matching Geometric Descriptors [72.62423312645953]
  人間は直感的にタスクを多目的に解決し、軌道に基づく計画や個々のステップの行動を変化させる。 現在のImitation Learningアルゴリズムは、通常、単調な専門家によるデモンストレーションのみを考慮し、状態アクションベースの設定で行動する。 代わりに、移動プリミティブの混合と分布マッチングの目的を組み合わせることで、専門家の行動と汎用性にマッチする多目的行動を学ぶ。
  論文  参考訳（メタデータ） (2022-10-17T16:42:59Z)
• Rethinking Explainability as a Dialogue: A Practitioner's Perspective [57.87089539718344]
  医師、医療専門家、政策立案者に対して、説明を求めるニーズと欲求について尋ねる。 本研究は, 自然言語対話の形での対話的説明を, 意思決定者が強く好むことを示唆する。 これらのニーズを考慮して、インタラクティブな説明を設計する際に、研究者が従うべき5つの原則を概説する。
  論文  参考訳（メタデータ） (2022-02-03T22:17:21Z)
• Predicting Stable Configurations for Semantic Placement of Novel Objects [37.18437299513799]
  我々のゴールは、新しい環境における学習された意味的関係に従って、ロボットが未確認の物体を配置できるようにすることである。 我々は、未知のオブジェクトのセマンティック配置のための計画アルゴリズムと密に統合するために、モデルとトレーニングをゼロから構築する。 提案手法は,RGB-Dセンシングのみによる形状の異なるシーンにおける未知物体のセマンティック・アレンジメントのための動作計画を可能にする。
  論文  参考訳（メタデータ） (2021-08-26T23:05:05Z)

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。