論文の概要: From Proposal to Execution: Modeling Interaction Semantics in Shared Autonomy
- arxiv url: http://arxiv.org/abs/2610.25496v1
- Date: Sun, 18 Oct 2026 19:34:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.304369
- Title: From Proposal to Execution: Modeling Interaction Semantics in Shared Autonomy
- Title（参考訳）: 提案から実行へ:共有自律における相互作用セマンティクスのモデル化
- Abstract要約: 多くのヒューマンAIシステムでは、候補行動は直接実行されるのではなく、まず別の意思決定機関によって評価される。
そこで本研究では,候補行動が提案され,対話状況下で評価され,実行された結果に解決されるセマンティックス・アウェアな決定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）: 0.7609212210331453
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In many human-AI systems, candidate actions are not executed directly but are first evaluated by another decision-making entity under a potentially different objective or decision model. Standard decision-theoretic frameworks do not require this interaction to be represented explicitly, as they define transition dynamics directly over state-action pairs, allowing evaluation to be absorbed within the transition model. We introduce a semantics-aware decision framework in which a candidate action is proposed, evaluated under an interaction context, and then resolved into an executed outcome. We formalize this through a joint action language and an interpretation function that maps each joint action and context to a semantic outcome. Transition and reward dynamics are induced through these semantic outcomes, thereby introducing an explicit representational layer for \textit{interaction semantics}. Semantic outcomes provide explicit units for organizing interaction principles, which can be instantiated through application-specific evaluation mechanisms and reused across distinct interaction instances. This provides a structured interface for specifying context-dependent evaluation separately from the resulting execution dynamics, without requiring changes to the underlying planning algorithm. We instantiate the framework in shared human-AI autonomy, capturing interaction patterns such as advisory and authorization, and illustrating how interaction context influences decision making. The resulting formulation remains compatible with standard Markov decision process (MDP) planning.
- Abstract（参考訳）: 多くのヒューマンAIシステムでは、候補アクションは直接実行されるのではなく、潜在的に異なる目的や決定モデルの下で、まず別の意思決定エンティティによって評価される。
標準的な決定論的フレームワークは、状態-作用ペアを直接的に定義するため、この相互作用を明示的に表現する必要はなく、遷移モデル内で評価を吸収することができる。
そこで本研究では,候補行動が提案され,対話状況下で評価され,実行された結果に解決されるセマンティックス・アウェアな決定フレームワークを提案する。
共同行動言語と解釈関数を用いてこれを形式化し、各共同行動と文脈を意味的な結果にマッピングする。
遷移と報酬のダイナミクスはこれらの意味的な結果を通じて誘導され、従って \textit{interaction semantics} の明示的な表現層が導入された。
セマンティックな結果によって、相互作用の原則を整理するための明確な単位が提供され、アプリケーション固有の評価メカニズムを通じてインスタンス化され、異なる相互作用インスタンス間で再利用される。
これにより、基盤となる計画アルゴリズムの変更を必要とせずに、結果の実行ダイナミクスとは別途コンテキスト依存の評価を指定できる構造化インターフェースが提供される。
共有された人間とAIの自律性においてフレームワークをインスタンス化し、アドバイザリや承認などのインタラクションパターンをキャプチャし、インタラクションコンテキストが意思決定にどのように影響するかを説明します。
結果として得られる定式化は、標準的なマルコフ決定プロセス(MDP)計画と相容れないままである。
関連論文リスト
- Beyond Instance Slots: Semantically Rich World Models for Physical Interaction Planning [3.284163275977256]
本稿では,5つの機能的役割を中心に構成されたタスク条件付き世界モデルであるSemantically Rich World Model (SR-WM)を提案する。
SR-WM内では、ビジュアルエンティティエンコーダが事前訓練されたパッチ機能からソフトエンティティ仮説を抽出し、セグメンテーションマスクがオプションの提案先として機能する。
ロールバインダーはこれらの仮説をタスク固有のロールにマッピングし、アクション条件付きダイナミクスモデルは、きめ細かいセマンティクスと共にロール遷移を予測する。
論文 参考訳（メタデータ） (2026-08-23T08:37:59Z) - Reading Cognition as Decisions Unfold in Words: A Factorized Inverse Decision Model [67.84198127797005]
逆決定モデリングは、観察された行動から決定過程の潜伏特性を推定する。
本稿では、各個人のタスク実行可能性を行動要因と努力要因に分解する因子化逆決定モデル(FIDM)を提案する。
論文 参考訳（メタデータ） (2026-08-10T07:46:13Z) - Interactive Evaluation Requires a Design Science [90.62695599188204]
大規模言語モデル(LLM)は、ツールや環境、ユーザ、その他のエージェントを通じて、時間とともに機能するシステムとして、ますます多くデプロイされている。
フィールドはインタラクティブなベンチマークを構築し始めたが、その結果のランドスケープは断片化されている。
本論では,対話的評価は原則的評価パラダイムとして扱うべきであると論じる。
論文 参考訳（メタデータ） (2026-05-18T04:03:18Z) - Mixed-Initiative Context: Structuring and Managing Context for Human-AI Collaboration [29.939733064751124]
そこで本稿では,マルチターンインタラクション間で形成されるコンテキストを,明示的で構造化され,操作可能な対話オブジェクトとして再認識するMixed-Initiative Contextを提案する。
この概念の下では、コンテキストの構造、スコープ、内容は動的に整理され、タスクのニーズに応じて調整される。
論文 参考訳（メタデータ） (2026-04-08T14:16:50Z) - Executable Ontologies in Game Development: From Algorithmic Control to Semantic World Modeling [51.56484100374058]
我々は,実行可能オントロジー(EO)が,アルゴリズム行動プログラミングからセマンティックワールドモデリングへ移行したことを論じる。
本稿では,EOが明示的なプリエンプションロジックではなく,データフロー条件によるタスク割り込みを優先的に行う方法を示す。
論文 参考訳（メタデータ） (2026-01-12T19:57:35Z) - Behavior Trees vs Executable Ontologies: a Comparative Analysis of Robot Control Paradigms [51.56484100374058]
ロボット行動のモデリングには,インペラティブ・ビヘイビア・ツリー(BT)と宣言的実行可能オントロジー(EO)の2つのアプローチを比較した。
一方、EOはデータフロールールによって駆動される時間的イベントベースのセマンティックグラフとしてドメインを表現している。
論文 参考訳（メタデータ） (2025-11-19T09:38:01Z) - SNAPE-PM: Building and Utilizing Dynamic Partner Models for Adaptive Explanation Generation [0.0]
ダイアログへの適応は、成功した説明には不可欠だが、ダイアログシステムには大きな課題がある。
非定常的な意思決定プロセスとして説明生成を扱うアプローチを採用し,説明者に対する信念やインタラクションコンテキストの変化に応じて最適な戦略が変化する。
論文 参考訳（メタデータ） (2025-05-19T12:42:23Z) - Coherent Entity Disambiguation via Modeling Topic and Categorical
Dependency [87.16283281290053]
従来のエンティティ曖昧化(ED)メソッドは、参照コンテキストと候補エンティティの一致するスコアに基づいて予測を行う、識別パラダイムを採用している。
本稿では,エンティティ予測のコヒーレンス向上を目的とした新しいデザインを備えたEDシステムであるCoherentedを提案する。
我々は、人気EDベンチマークにおいて、平均1.3F1ポイントの改善により、最先端の新たな結果を得る。
論文 参考訳（メタデータ） (2023-11-06T16:40:13Z) - DCR-Net: A Deep Co-Interactive Relation Network for Joint Dialog Act
Recognition and Sentiment Classification [77.59549450705384]
ダイアログシステムでは、ダイアログアクト認識と感情分類は2つの相関タスクである。
既存のシステムのほとんどは、それらを別々のタスクとして扱うか、単に2つのタスクを一緒にモデル化するだけです。
本稿では,2つのタスク間の相互作用をモデル化するディープ・コ・インタラクティブ・リレーショナル・ネットワーク(DCR-Net)を提案する。
論文 参考訳（メタデータ） (2020-08-16T14:13:32Z)
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。