論文の概要: PACT: Proactive Asking for Continual Task Assistance in Human-Robot Collaboration

• arxiv url: http://arxiv.org/abs/2605.24350v1
• Date: Sat, 23 May 2026 02:22:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:17.94523
• Title: PACT: Proactive Asking for Continual Task Assistance in Human-Robot Collaboration
• Title（参考訳）: PACT:人間とロボットの協調作業における継続的なタスク支援を積極的に探す
• Authors: Chengbo He, Sheng Li, Chenyang Ma, Bochao Zou, Li Sun, Jiansheng Chen, Junliang Xing, Yuanchun Shi, Huimin Ma,
• Abstract要約: PACT(Proactive Asking for Continual Task Assistance)は,行動を起こす前に明確化を求めるかどうかを判断する質問・実行フレームワークである。 我々は、強化学習を用いて、その初等学習インスタンス化を実装し、同じ枠組みの下で代替インスタンス化を評価する。 マルチデイの実施したコラボレーションシナリオの実験では、パッシブ推論ベースラインと比較して、PACTはアシスト精度と明確化ユーティリティの両方を一貫して改善している。
• 参考スコア（独自算出の注目度）: 62.13457838323877
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic assistants in long-term human-robot collaboration need to assist users under partial observations while leveraging cross-day interaction history. However, human traits and routines are often unknown at the beginning of collaboration, making passive infer-then-act assistance ineffective and inefficient. To address this challenge, we study a cross-day proactive asking setting for continual task assistance and propose PACT (Proactive Asking for Continual Task Assistance), an ask-or-act framework that determines whether clarification should be sought before taking action. PACT leverages current observations together with accumulated interaction history to evaluate contextual sufficiency, enabling the robot to provide more reliable assistance and progressively adapt to the user over time. We implement its primary learned instantiation using reinforcement learning and evaluate alternative instantiations under the same framework. To assess such behavior, we further introduce a clarification utility metric that quantifies the trade-off between assistance accuracy and the frequency of clarification requests. Experiments in multi-day embodied collaboration scenarios demonstrate that, compared with passive inference baselines, PACT consistently improves both assistance accuracy and clarification utility, highlighting the importance of proactive asking in continual human-robot collaboration.
• Abstract（参考訳）: 長期的な人間ロボットコラボレーションにおけるロボットアシスタントは、日々のインタラクション履歴を活用しながら、部分的な観察の下でユーザを支援する必要がある。 しかしながら、人間の特徴やルーチンは、しばしばコラボレーションの開始時に未知であり、受動的推論による援助を非効率かつ非効率にする。 この課題に対処するため, 継続的なタスク支援のための質問セットを日次的に検討し, PACT(Proactive Asking for Continual Task Assistance)を提案する。 PACTは、現在の観測と、蓄積された相互作用履歴を活用して、文脈的満足度を評価し、ロボットがより信頼性の高い補助を提供し、時間の経過とともにユーザーに対して漸進的に適応できるようにする。 我々は、強化学習を用いて、その初等学習インスタンス化を実装し、同じ枠組みの下で代替インスタンス化を評価する。 このような振る舞いを評価するために、補助精度と明確化要求の頻度の間のトレードオフを定量化する明確化ユーティリティメトリックを導入する。 多日間の実施されたコラボレーションシナリオの実験では、パッシブ推論ベースラインと比較して、PACTは補助精度と明確化ユーティリティを一貫して改善し、継続的な人間とロボットのコラボレーションにおける積極的な質問の重要性を強調している。

関連論文リスト

• Assistance Without Interruption: A Benchmark and LLM-based Framework for Non-Intrusive Human-Robot Assistance [44.10105182063131]
  我々は、人間-ロボット相互作用(HRI)の独立したパラダイムとして、非侵入支援を形式化し、ベンチマークする。 直接命令や明示的な交渉,あるいはユーザの習慣や履歴に基づく積極的な介入に依存する従来のHRIタスクとは違って,我々のタスクは人間の計画を主要なプロセスとして扱い,いつ,何をすべきかという共同決定として支援を定式化する。 NIABenchと実世界のシナリオの総合的な実験により,本手法は作業効率を保ちながら人的労力を減らし,積極的かつ非侵襲的な支援を実現することを示す。
  論文  参考訳（メタデータ） (2026-05-02T10:25:40Z)
• LifeEval: A Multimodal Benchmark for Assistive AI in Egocentric Daily Life Tasks [71.05217306468857]
  LifeEvalは、リアルタイムでタスク指向の人間とAIのコラボレーションを評価するために設計されたマルチモーダルベンチマークである。 LifeEvalは、タスク指向の全体的評価、連続したファーストパーソンストリームからのエゴセントリックなリアルタイム認識、自然な対話による人間と人間の協力的な相互作用の3つの重要な側面を強調している。
  論文  参考訳（メタデータ） (2026-02-28T06:05:31Z)
• Completion $\neq$ Collaboration: Scaling Collaborative Effort with Agents [48.95020665909723]
  タスク完了エージェントの構築と評価から,協調エージェントの開発への移行を議論する。 エージェントのユーティリティがユーザ関与の増加とともにどのように成長するかをキャプチャするフレームワークであるコラボレーティブ・ワーク・スケーリングを紹介します。
  論文  参考訳（メタデータ） (2025-10-29T17:47:18Z)
• HHI-Assist: A Dataset and Benchmark of Human-Human Interaction in Physical Assistance Scenario [63.77482302352545]
  HHI-Assist(ヒヒ・アシスト)は、人間の介助作業における人間のインタラクションのモーションキャプチャークリップからなるデータセットである。 私たちの研究は、ロボット支援ポリシーを大幅に強化する可能性がある。
  論文  参考訳（メタデータ） (2025-09-12T09:38:17Z)
• Who is Helping Whom? Analyzing Inter-dependencies to Evaluate Cooperation in Human-AI Teaming [13.263258837438045]
  本研究では,人間とエージェントの協力関係を評価するための重要な指標として,建設的相互依存の概念を提案する。 その結果,訓練されたエージェントは高いタスク報酬を得られるが,協調行動の誘発には失敗していることがわかった。 分析の結果,チームリングのパフォーマンスは必ずしもタスク報酬と相関していないことが明らかとなり,タスク報酬だけでは協調を確実に測定できないことがわかった。
  論文  参考訳（メタデータ） (2025-02-10T19:16:20Z)
• Towards Intention Recognition for Robotic Assistants Through Online POMDP Planning [2.693342141713236]
  意図認識は、人間の日常的なタスクを支援する自動アシスタントの設計と開発において重要な役割を果たす。 本稿では,オンラインの意図認識のための部分的に観測可能なモデルについて述べるとともに,予備的な実験結果を示すとともに,この問題のファミリに存在する課題について論じる。
  論文  参考訳（メタデータ） (2024-11-26T11:13:00Z)
• From Interactive to Co-Constructive Task Learning [13.493719155524404]
  インタラクティブなタスク学習に関する現在の提案をレビューし、その主な貢献について論じる。 次に、共同構築の概念について議論し、成人とロボットの相互作用からの研究知見を要約する。
  論文  参考訳（メタデータ） (2023-05-24T19:45:30Z)
• Automatic Context-Driven Inference of Engagement in HMI: A Survey [6.479224589451863]
  本稿では,人間と機械の相互作用に関するエンゲージメント推論について述べる。 これには、学際的定義、エンゲージメントコンポーネントと要因、公開データセット、地上真実の評価、そして最も一般的に使用される機能と方法が含まれる。 これは、信頼性の高いコンテキスト認識エンゲージメント推論機能を備えた、将来の人間と機械のインタラクションインターフェースの開発のためのガイドとして機能する。
  論文  参考訳（メタデータ） (2022-09-30T10:46:13Z)

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。