オンライン有界合理性人間行動推定を用いた適応的共有制御

- 非線形制御アフィン系における適応型共有人間-ロボット制御を扱う研究。 - 人間が完全に合理的とは限らないという仮定を緩和し、観測された限定合理的な人間行動にロボットが適応する。 - level-k bounded-rationality model を用いて2プレイヤーゲームを構成し、候補となる人間とロボットのポリシーを生成。 - 共有制御中に状態遷移残差を蓄積し、人間行動の確率モデルを推定。 - 推定分布に基づく分布認識型の1ステップ最適応答を計算する。

- 従来の共有制御では人間の完全合理性を仮定することが多いが、本研究は限定合理性を考慮。 - 単一の候補選択や保存されたロボットポリシーの平均化ではなく、推定された人間行動分布全体に対する期待協調コストを最小化する1ステップ最適応答を計算。 - 最大確率ポリシーや確率重み付きポリシーといったベースラインと比較して、累積実行コストが低いことを示した。

- level-k bounded-rationality model に基づき、交互最適応答計算で有限の候補人間・ロボットポリシー集合を構築。 - 価値関数とポリシーは adaptive dynamic programming で近似。 - 共有制御中、状態遷移残差を測定システム進化と候補人間ポリシー予測軌道の比較で算出。 - 残差を忘却係数で累積し、有限候補集合上の確率的人間行動モデルにマッピング。 - ロボットは推定人間行動分布全体で期待協調コストを最小化する分布認識型1ステップ最適応答を計算。 - 二次終端価値近似と Euler 状態伝播の場合、期待人間入力で表される閉形式解が得られる。

- ベンチマーク非線形システム安定化タスクと平面マニピュレータ共有制御セットアップのシミュレーションで評価。 - 推定人間行動分布とシミュレートされた人間行動分布の間の Kullback-Leibler divergence が減少することを報告。 - 共有制御相互作用期間中のロボットエージェントの累積実行コストが、最大確率および確率重み付き代替ポリシーのベースラインよりも低いことを示した。

- 要旨からは不明。

- level-k bounded-rationality model に関する研究。 - adaptive dynamic programming を用いた共有制御に関する研究。 - 共有人間-ロボット制御におけるベースラインとして言及された maximum-probability および probability-weighted alternative policies に関連する研究。