論文の概要: No Plan, Yet Human: A Reactive Robotics Model Predicts Human Planning Failures on a Clinical Task

• arxiv url: http://arxiv.org/abs/2605.16514v1
• Date: Fri, 15 May 2026 18:07:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:46.593451
• Title: No Plan, Yet Human: A Reactive Robotics Model Predicts Human Planning Failures on a Clinical Task
• Title（参考訳）: 人間には計画がない: 人間の計画失敗を予測できる反応ロボットモデル
• Authors: Michael Migacev, Vito Mengers, Antonia Köngeter, Oliver Brock,
• Abstract要約: 我々は,ロボット操作のために開発された反応性勾配依存性フレームワークであるAICONをロンドンタワー試験に適用した。 AICONは、人間の認知に関する見事な計画や知識がなければ、24の課題にまたがる詳細な人間の困難を再現する。 これは、計画能力が減少するにつれて、人間の行動はAICONモデルにシフトすることを示している。
• 参考スコア（独自算出の注目度）: 6.229769300329017
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding why some sequential planning problems are harder than others requires models that go beyond average performance. They should capture the specific pattern of which problems are hard, and ideally fail in the same way people do when planning capacity is reduced. We apply AICON, a reactive gradient-descent framework developed for robotic manipulation, to the Tower of London test, a cognitive test used to assess planning in Parkinson's disease, mild cognitive impairment, and stroke. Without any lookahead planning or knowledge of human cognition, AICON reproduces the fine-grained human difficulty ordering across 24 problems better than structural task parameters and generalizes to held-out problems in a leave-two-out evaluation. Crucially, AICON outperforms a planning baseline for groups with reduced planning capacity while the planning baseline better captures healthy controls. This dissociation was predicted by the original AICON paper, which noted that the model's failure modes resemble those of Parkinson's patients who struggle with goal hierarchies but not move counts. This suggests that as planning capacity is reduced, human behavior shifts toward the reactive mode AICON models. The finding extends a broader pattern: AICON, originally built for robotics, now captures aspects of biological behavior across perception, eye movements, and sequential planning, suggesting its core abstraction reflects something real about how biological systems are organized.
• Abstract（参考訳）: シーケンシャルな計画上の問題が他の問題よりも難しい理由を理解するには、平均的なパフォーマンスを超えるモデルが必要です。 障害が困難な特定のパターンを捉え、計画能力が減少するのと同じように、理想的には失敗するべきです。 ロボット操作のために開発された反応性勾配依存性フレームワークであるAICONを、パーキンソン病、軽度認知障害、脳卒中などの計画を評価するための認知テストであるタワー・オブ・ロンドンテストに適用した。 AICONは、人間の認知に関する見事な計画や知識がなければ、構造的タスクパラメータよりも24の課題にまたがる、きめ細かな人間の難易度を再現し、残り2つの評価で問題を取り除きに一般化する。 重要な点として、AICONは計画能力の低下したグループのための計画ベースラインを上回り、計画ベースラインは健全なコントロールをよりよく捉えている。 この解離は、オリジナルのAICONの論文で予測され、モデルの障害モードはパーキンソン病患者に似ており、ゴール階層に苦しむが、数を動かしない。 これは、計画能力が減少するにつれて、人間の行動はAICONモデルにシフトすることを示している。 AICONは、もともとロボット工学のために作られたもので、知覚、眼球運動、シーケンシャルプランニングといった生物学的行動の側面を捉え、その中核となる抽象概念が、生物学的システムの組織化について何かを反映していることを示唆している。

関連論文リスト

• Cognitive Offloading in Agile Teams: How Artificial Intelligence Reshapes Risk Assessment and Planning Quality [42.39509669924279]
  中規模のデジタルエージェンシーで提供可能なライブクライアント上で、AIのみ、人間のみ、ハイブリッドプランニングモデルを比較します。 AIのみのプランニングは時間とコストを最小化しますが、リスクキャプチャ率を著しく低下させ、未定の仮定によって再作業が増加します。 本稿では,リスク評価とあいまいさ解決のための人間による検討を行ないながら,評価とバックログのフォーマットにアルゴリズムツールを割り当てるハイブリッドAI-ヒューマンスプリント計画のための理論的枠組みを提案する。
  論文  参考訳（メタデータ） (2026-04-15T12:48:29Z)
• Explainable AI for Collaborative Assessment of 2D/3D Registration Quality [50.65650507103078]
  本稿では,2D/3D登録品質検証に特化して訓練された最初の人工知能フレームワークを提案する。 我々の説明可能なAI(XAI)アプローチは、人間のオペレーターに対する情報意思決定を強化することを目的としている。
  論文  参考訳（メタデータ） (2025-07-23T15:28:57Z)
• HyperTree Planning: Enhancing LLM Reasoning via Hierarchical Thinking [109.09735490692202]
  提案するHyperTree Planning(HTP)は,高木構造プランニングアウトラインを構成する新しい推論パラダイムである。 実験ではHTPの有効性を実証し、Gemini-1.5-ProによるTravelPlannerベンチマークで最先端の精度を実現し、o1-previewよりも3.6倍の性能向上を実現した。
  論文  参考訳（メタデータ） (2025-05-05T02:38:58Z)
• A Framework for Neurosymbolic Robot Action Planning using Large Language Models [3.0501524254444767]
  本稿では,象徴的タスク計画と機械学習アプローチのギャップを埋めることを目的としたフレームワークを提案する。 大規模言語モデル(LLM)を計画ドメイン定義言語(PDDL)と互換性のあるニューロシンボリックタスクプランナーに訓練する根拠 選択されたドメインにおける予備的な結果から, (i) テストデータセットの95.5%の問題を1,000個のサンプルで解決し, (ii) 従来のシンボルプランナーよりも最大13.5%短いプランを作成し, (iii) 計画の可利用性の平均待ち時間を61.4%まで削減する。
  論文  参考訳（メタデータ） (2023-03-01T11:54:22Z)
• Achieving mouse-level strategic evasion performance using real-time computational planning [59.60094442546867]
  計画とは、脳が想像し、予測可能な未来を成立させる特別な能力である。 我々は,動物の生態が空間計画の価値をどのように支配するかという研究に基づいて,より効率的な生物学的に着想を得た計画アルゴリズムであるTLPPOを開発した。 TLPPOを用いたリアルタイムエージェントの性能とライブマウスの性能を比較し,ロボット捕食者を避けることを課題とする。
  論文  参考訳（メタデータ） (2022-11-04T18:34:36Z)
• Robust Planning for Human-Robot Joint Tasks with Explicit Reasoning on Human Mental State [2.8246074016493457]
  我々は,人間ロボットチームが達成するための既知の目的を持った共有タスクを与えられる,人間に意識したタスク計画問題を考える。 近年のアプローチでは、ロボットが両方のエージェント(共有された)タスクを計画する独立した合理的エージェントのチームとしてそれをモデル化している。 本稿では,実行時の可観測性規約をモデル化し,使用するための新しいアプローチについて述べる。
  論文  参考訳（メタデータ） (2022-10-17T09:21:00Z)
• Learning Neuro-Symbolic Relational Transition Models for Bilevel Planning [61.37385221479233]
  本研究では,モデルに基づく強化学習と記号幾何学的ロボット計画の統合のギャップを埋めるための一歩を踏み出した。 NSRTはシンボリックコンポーネントとニューラルコンポーネントの両方を持ち、外ループにおけるシンボリックAI計画がインナーループ内のニューラルモデルによる継続的な計画をガイドするバイレベルプランニングスキームを可能にする。 NSRTは、ほんの数十～数百回のトレーニングの後に学習でき、目標を達成するのに最大60のアクションを必要とする新しいタスクの高速計画に使用される。
  論文  参考訳（メタデータ） (2021-05-28T19:37:18Z)
• Control of mental representations in human planning [38.227123320091046]
  人間の計画の2つの側面は、複雑な環境においてもその効率性と、変化する環境においても柔軟性を示す。 効率性は特に印象的です。なぜなら、最適計画を直接計算することは、控えめに複雑なタスクであっても困難であり、認知リソースが限られているにもかかわらず、無数の問題を解決できるからです。 本稿では,精神表現の制御が可能であり,適応的に問題を単純化し,より容易に推論できることを提案する。
  論文  参考訳（メタデータ） (2021-05-14T16:39:31Z)
• iCORPP: Interleaved Commonsense Reasoning and Probabilistic Planning on Robots [46.13039152809055]
  我々はiCORPPと呼ばれる新しいアルゴリズムを提案し、現在の世界状態を同時に推定し、世界ダイナミクスの推論を行い、タスク指向のコントローラを構築する。 結果は、競合するベースラインと比較して、スケーラビリティ、効率、適応性が大幅に改善されたことを示している。
  論文  参考訳（メタデータ） (2020-04-18T17:46:59Z)

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。