論文の概要: Capability-Aware Arbitration for Semantic Intent-Based Shared Control

• arxiv url: http://arxiv.org/abs/2609.25369v1
• Date: Mon, 21 Sep 2026 20:08:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.096419
• Title: Capability-Aware Arbitration for Semantic Intent-Based Shared Control
• Title（参考訳）: 意味的インテントに基づく共有制御のための能力を考慮したアロケーション
• Abstract要約: 共有制御は、信頼できる自律実行を想定して、推論された人間の意図に対する信頼に基づいて、しばしばロボットの権威を割り当てる。 本稿では,視覚言語モデルが人間の意図を推論し,意味論的信頼を提供する機能認識型共有制御フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 5.1257804952791
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Shared control often allocates robot authority based on confidence in inferred human intent, assuming reliable autonomous execution. When this assumption fails, high intent confidence can cause over-helping. We present a capability-aware shared-control framework in which a vision-language model (VLM) infers human intent and provides semantic-intent confidence, while a vision-language-action (VLA) policy generates autonomous actions. VLA capability confidence is estimated online from the dispersion and local instability of stochastic action trajectories. We design a nonlinear arbitration policy that combines Bayesian-filtered semantic-intent confidence with VLA capability confidence through a sigmoid mapping to adapt robot authority. Our evaluation combined VLM/VLA confidence assessment with a study involving 12 participants performing pick-and-place and bidirectional stacking under in-distribution and out-of-distribution conditions. The proposed method achieved the highest task success rate (92%), compared with manual teleoperation (83%), intent-only arbitration (44%), and fixed equal-weight blending (10%). It also achieved higher control friendliness and lower authority-weighted disagreement than both shared-control baselines. These results demonstrate the benefit of incorporating VLA capability into authority allocation to mitigate over-helping and improve shared-control performance.
• Abstract（参考訳）: 共有制御は、信頼できる自律実行を想定して、推論された人間の意図に対する信頼に基づいて、しばしばロボットの権威を割り当てる。 この仮定が失敗すると、高い意図の自信が過剰にヘルピングを引き起こす可能性がある。 本稿では,視覚言語モデル(VLM)が人間の意図を推測し,セマンティック・インテリジェンス(セマンティック・インテリジェンス)を提供するとともに,視覚言語アクション(VLA)ポリシーが自律的な行動を生成する能力認識型共有制御フレームワークを提案する。 確率的行動軌跡の分散と局所不安定性からVLA能力の信頼性をオンラインで推定する。 我々は,ロボットの権威に適応するシグモイドマッピングを用いて,ベイズフィルタによるセマンティックインテントの信頼度とVLA能力の信頼度を組み合わせた非線形仲裁ポリシーを設計する。 本評価では,VLM/VLAの信頼性評価と,配当条件,配当条件,配当条件,配当条件,配当条件,配当条件,配当条件,配当条件とを併用した12名の被験者を対象に行った。 提案手法は,手動遠隔操作(83%),インテントのみの仲裁(44%),固定等重量ブレンディング(10%)と比較して,タスク成功率が最も高かった(92%)。 また、両コントロールベースラインよりもコントロールの親和性が高く、権限の重み付けの相違も低かった。 これらの結果は、オーバヘルピングを軽減し、共有制御性能を向上させるために、VLA機能を権限割り当てに組み込むことの利点を示している。

関連論文リスト

• Reconciling Process Supervision with Outcome-Based Credit in Agentic Policy Optimization [13.354353071601379]
  我々は、特権付き監督を成果ベースアクションクレジットに変換するTASPOを紹介する。 3つのエージェントベンチマークで、TASPOはGRPOよりも10.6%改善し、目に見えないタスクを一般化する。
  論文  参考訳（メタデータ） (2026-08-31T16:51:50Z)
• Towards Trustworthy Embodied Intelligence: A Systems Framework and Graded Trustworthiness Levels [53.63220028820581]
  身体的知性は、学習した知覚と意思決定をリアルタイムの計算、制御、物理的相互作用と統合する。 我々は,信頼に値するインテリジェンスを,特定のタスクを確実に実行するための持続能力として定義する。
  論文  参考訳（メタデータ） (2026-07-28T17:50:44Z)
• Confidence-Gated Vision-Only Heading Alignment for UAV-UGV Cooperative Systems [6.213385683334036]
  本稿では,固定視覚に基づく方向予測器を指令発行時に信頼すべきタイミングと方法について検討する。 2つの解釈可能な信頼性プロキシを用いて実行決定を行う軽量な信頼度付きフレームワークが提案されている。 その結果、信頼性ゲーティングは実行率、実行フレーム精度、発行コマンド精度、スムーズさの間に明確なトレードオフをもたらすことがわかった。
  論文  参考訳（メタデータ） (2026-07-21T05:09:32Z)
• VLAConf: Calibrated Task-Success Confidence for Vision-Language-Action Models [7.329348634749636]
  本稿では,ビジョン・ランゲージ・アクション(VLA)モデルのための一級識別信頼フレームワークであるVLAConfを提案する。 凍結事前訓練されたVLA内部表現を利用することで、VLAConfは1回の前方通過でステップワイズ異常スコアを直接推定する。 LIBEROベンチマークの実験により、VLAConfはポストホックキャリブレーションのために構築された信頼信号の品質を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2026-05-28T08:42:12Z)
• IntentionVLA: Generalizable and Efficient Embodied Intention Reasoning for Human-Robot Interaction [51.130510883952546]
  Vision-Language-Action(VLA)モデルは、事前訓練された視覚言語モデル(VLM)を活用して、ロボット制御との認識を両立させる。 カリキュラム学習パラダイムと効率的な推論機構を備えたVLAフレームワークである textbfIntentionVLA を提案する。 提案手法はまず,意図推論,空間的接地,コンパクトな具体的推論を組み合わせ,慎重に設計した推論データを活用する。
  論文  参考訳（メタデータ） (2025-10-09T04:49:46Z)
• Semantic Chain-of-Trust: Autonomous Trust Orchestration for Collaborator Selection via Hypergraph-Aided Agentic AI [57.58120823855315]
  本稿では,新たなセマンティック・チェーン・オブ・トラストの概念に基づく自律的信頼オーケストレーション手法を提案する。 我々の技術はエージェントAIとハイパーグラフを用いてデバイス間の信頼関係を確立し維持する。 実験により,提案手法が資源効率の高い信頼評価を実現することを示す。
  論文  参考訳（メタデータ） (2025-07-31T13:53:25Z)
• Confidence-Guided Human-AI Collaboration: Reinforcement Learning with Distributional Proxy Value Propagation for Autonomous Driving [1.4063588986150455]
  本稿では,これらの制約を克服するために,信頼誘導型人間-AIコラボレーション(C-HAC)戦略を開発する。 C-HACは、人間との相互作用を最小限に抑えたヒト誘導政策の迅速かつ安定した学習を実現する。 様々な運転シナリオに対する実験により、C-HACは安全性、効率、全体的な性能において従来の方法よりも大幅に優れていたことが判明した。
  論文  参考訳（メタデータ） (2025-06-04T04:31:10Z)
• Monotonic Improvement Guarantees under Non-stationarity for Decentralized PPO [66.5384483339413]
  我々は,MARL(Multi-Agent Reinforcement Learning)における分散政策の最適化のための新しい単調改善保証を提案する。 本研究では,訓練中のエージェント数に基づいて,独立した比率を限定することにより,信頼領域の制約を原則的に効果的に実施可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-31T20:39:48Z)
• Efficient Empowerment Estimation for Unsupervised Stabilization [75.32013242448151]
  エンパワーメント原理は 直立位置での 力学系の教師なし安定化を可能にする 本稿では,ガウスチャネルとして動的システムのトレーニング可能な表現に基づく代替解を提案する。 提案手法は, サンプルの複雑さが低く, 訓練時より安定であり, エンパワーメント機能の本質的特性を有し, 画像からエンパワーメントを推定できることを示す。
  論文  参考訳（メタデータ） (2020-07-14T21:10:16Z)

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。