論文の概要: Strategic Shaping of Human Prosociality: A Latent-State POMDP Framework

• arxiv url: http://arxiv.org/abs/2603.02379v1
• Date: Mon, 02 Mar 2026 20:47:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.834049
• Title: Strategic Shaping of Human Prosociality: A Latent-State POMDP Framework
• Title（参考訳）: ヒトのプロソシエーションの戦略的形成:潜在状態のPOMDPフレームワーク
• Abstract要約: 本稿では,ロボットが反復的相互作用において,人間の社会的状態を戦略的に形成できる決定論的枠組みを提案する。 我々はこれを限られた観測値を持つ潜在状態POMDPとして定式化し、期待値を用いて遷移と観測のダイナミクスを学習する。 帰結した信念に基づく政策は、タスクと社会的目的をバランスさせ、長期的な協力的な成果を最大化する行動を選択する。
• 参考スコア（独自算出の注目度）: 7.7861151179406605
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We propose a decision-theoretic framework in which a robot strategically can shape inferred human's prosocial state during repeated interactions. Modeling the human's prosociality as a latent state that evolves over time, the robot learns to infer and influence this state through its own actions, including helping and signaling. We formalize this as a latent-state POMDP with limited observations and learn the transition and observation dynamics using expectation maximization. The resulting belief-based policy balances task and social objectives, selecting actions that maximize long-term cooperative outcomes. We evaluate the model using data from user studies and show that the learned policy outperforms baseline strategies in both team performance and increasing observed human cooperative behavior.
• Abstract（参考訳）: 本稿では,ロボットが反復的相互作用において,人間の社会的状態を戦略的に形成できる決定論的枠組みを提案する。 人間の社会性は、時間とともに進化する潜伏状態としてモデル化され、ロボットは、助けやシグナリングを含む自身の行動を通じて、この状態を推論し、影響することを学ぶ。 我々はこれを限られた観測値を持つ潜在状態POMDPとして定式化し、期待値の最大化を用いて遷移と観測のダイナミクスを学習する。 帰結した信念に基づく政策は、タスクと社会的目的をバランスさせ、長期的な協力的な成果を最大化する行動を選択する。 ユーザスタディのデータを用いてモデルを評価し、学習方針がチームパフォーマンスと観察された人間の協調行動の増大においてベースライン戦略より優れていることを示す。

関連論文リスト

• SocialRL: Refining LLMs' Social Intelligence through Multi-turn Reinforcement Learning and Reward Design [52.69818441707104]
  ソーシャルインテリジェンスにより、エージェントは社会的文脈を読み、意図を推測し、持続的な対話に適応することができる。 既存の強化学習手法は、1ターン発話とスパース結果報酬を最適化する。 両課題に対処する多ターン強化学習フレームワークSocialRLを提案する。
  論文  参考訳（メタデータ） (2026-09-09T06:06:34Z)
• Robots Influencing Humans to Reveal their Goals during Collaboration and Competition [0.7157957528875097]
  本稿では,人間とロボットの相互作用における高速な目標推定のための統一的戦略を提案する。 我々は,目標条件付き政策分岐尺度を用いてCDPを定式化し,レジング・ホライゾン・プランナーに組み込む。 我々は,この手法を,協調的かつ完全に観察可能な調理作業と,競争的かつ部分的に観察可能な隠蔽ゲームの両方で評価する。
  論文  参考訳（メタデータ） (2026-08-31T17:33:04Z)
• HRIBench: Benchmarking Interaction-Centric Human-Robot Collaboration [62.19372189311434]
  HRIBenchは,実行シナリオに基づいた意図認識型人間ロボットコラボレーションの診断ベンチマークである。 HRIBenchは、エージェントの役割、時間的依存、調整の制約、人間の振る舞いの分布を明示的にモデル化する構造化シナリオスクリプトとして、協調的なタスクを表現している。 その結果,現状の基盤ロボット政策は,操作能力が強いにもかかわらず,協調的な環境下では極めて困難であることが示唆された。
  論文  参考訳（メタデータ） (2026-07-05T09:15:35Z)
• SAPS: Shared Autonomy for Policy Steering by Blending Teleoperation with a Pretrained VLA [7.574275066394319]
  VLA(Vision-Language-Action)ポリシーは、アウト・オブ・ディストリビューションの空間的および意味的摂動の下で脆くすることができる。 本稿では、リアルタイムの遠隔操作コマンドと事前訓練されたポリシーアクションを融合するフレームワーク、SAPS(Shared Autonomy for Policy Steering)を紹介する。 SAPSは、ポリシーの再訓練、補助力学モデル、アーキテクチャの変更を必要としない。
  論文  参考訳（メタデータ） (2026-06-14T03:09:30Z)
• SODE: Analyzing Social Dynamics in LLM Agents [17.885513252130373]
  SODE(Social Dynamics Evaluation)は,AIエージェントを3つの進化的側面にわたって評価するフレームワークである。 SODEを適用すると、系統的な違いが明らかになる。 我々は「ロングホライズンフレーミング」がモデル推論における相互機能を解き放つことを実証した。
  論文  参考訳（メタデータ） (2026-05-06T14:50:07Z)
• Joint Prediction of Human Motions and Actions in Human-Robot Collaboration [81.20389836121502]
  我々は,人間の行動と行動の共役推定と予測のための階層的枠組みであるtextsfMA-HERPを紹介した。 本研究では, 筋骨格シミュレーションを用いて, 騒音下での正確な動き予測と頑健な動作推定を示す予備的な実験評価を行った。
  論文  参考訳（メタデータ） (2026-04-03T14:40:07Z)
• DynamiX: Large-Scale Dynamic Social Network Simulator [101.65679342680542]
  DynamiXは、動的ソーシャルネットワークモデリングに特化した新しい大規模ソーシャルネットワークシミュレータである。 世論のリーダーに対しては、情報ストリームに基づくリンク予測手法を提案し、同様の姿勢で潜在的ユーザを推薦する。 一般ユーザに対しては,不等式指向の行動決定モジュールを構築する。
  論文  参考訳（メタデータ） (2025-07-26T12:13:30Z)
• How large language models judge and influence human cooperation [82.07571393247476]
  我々は、最先端の言語モデルが協調行動をどのように判断するかを評価する。 我々は、善良な相手との協力を評価する際、顕著な合意を守ります。 モデル間の差異が協調の頻度に大きく影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2025-06-30T09:14:42Z)
• Latent Adaptive Planner for Dynamic Manipulation [43.959104380268066]
  Latent Adaptive Planner (LAP) は、動的非包括的操作のための軌道レベルの遅延変数ポリシーである。 LAPは低次元の潜在空間における推論として計画を定式化し、人間のデモビデオから効果的に学習する。
  論文  参考訳（メタデータ） (2025-05-06T00:09:09Z)
• A Grounded Observer Framework for Establishing Guardrails for Foundation Models in Socially Sensitive Domains [1.9116784879310025]
  基礎モデルの複雑さを考えると、エージェントの振る舞いを制約する従来の手法は直接適用できない。 本稿では,行動保証とリアルタイム変動性の両方を提供する基礎モデルの挙動を制約する基盤となるオブザーバフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-23T22:57:05Z)
• Learning Goal-oriented Bimanual Dough Rolling Using Dynamic Heterogeneous Graph Based on Human Demonstration [19.74767906744719]
  ソフトオブジェクト操作はロボットにとって重要な課題であり、状態表現と操作ポリシー学習に効果的な技術を必要とする。 本研究では,目標指向のソフトオブジェクト操作ポリシーを学習するための動的ヘテロジニアスグラフベースモデルを提案する。
  論文  参考訳（メタデータ） (2024-10-15T16:12:00Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Social Motion Prediction with Cognitive Hierarchies [19.71780279070757]
  我々は新しいベンチマーク、新しい定式化、認知に触発されたフレームワークを紹介する。 We present Wusi, a 3D multi-person motion data under the context of team sports。 戦略的社会的相互作用を予測するための認知階層構造を構築した。
  論文  参考訳（メタデータ） (2023-11-08T14:51:17Z)
• Training Socially Aligned Language Models on Simulated Social Interactions [99.39979111807388]
  AIシステムにおける社会的アライメントは、確立された社会的価値に応じてこれらのモデルが振舞うことを保証することを目的としている。 現在の言語モデル(LM)は、トレーニングコーパスを独立して厳格に複製するように訓練されている。 本研究は,シミュレートされた社会的相互作用からLMを学習することのできる,新しい学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-05-26T14:17:36Z)
• Predicting the long-term collective behaviour of fish pairs with deep learning [52.83927369492564]
  本研究では,魚種Hemigrammus rhodostomusの社会的相互作用を評価するための深層学習モデルを提案する。 我々は、ディープラーニングのアプローチの結果と実験結果と、最先端の分析モデルの結果を比較した。 機械学習モデルにより、ソーシャルインタラクションは、微妙な実験的観測可能な解析的相互作用と直接競合できることを実証する。
  論文  参考訳（メタデータ） (2023-02-14T05:25:03Z)

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。