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
• Authors: Zahra Zahedi, Xinyue Hu, Shashank Mehrotra, Mark Steyvers, Kumar Akash,
• 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

• 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。