能力を考慮した意味意図に基づく共有制御のための調停

- 共有制御において、VLMが人間の意図とその信頼度を推定し、VLAポリシーが自律行動を生成する枠組み。 - VLAの能力信頼度を確率的行動軌跡の分散と局所不安定性からオンライン推定。 - ベイズフィルタで平滑化した意図信頼度とVLA能力信頼度をシグモイド写像で統合し、ロボットの権限を適応的に調停する。 - 12名の参加者によるpick-and-placeと双方向スタッキングの実験で有効性を検証。

- 従来の共有制御は人間意図の信頼度のみに基づいて権限を配分し、自律実行の信頼性を仮定していた。 - この仮定が崩れると、高い意図信頼度が過剰支援（over-helping）を引き起こす問題があった。 - 提案手法はVLAの能力信頼度を組み込むことで、過剰支援を緩和し、タスク成功率を向上させる点が新しい。

- VLMが人間の意図とsemantic-intent confidenceを推定。 - VLAポリシーが自律行動を生成し、そのstochastic action trajectoriesのdispersionとlocal instabilityからVLA capability confidenceをオンライン推定。 - ベイズフィルタで平滑化した意図信頼度とVLA能力信頼度を、非線形なシグモイド写像で統合するarbitration policyを設計。 - これによりロボットの権限を適応的に調停する。

- VLM/VLAの信頼度評価と、12名の参加者によるpick-and-placeおよび双方向スタッキングの実験を組み合わせて評価。 - in-distributionとout-of-distributionの条件下で検証。 - 提案手法はタスク成功率92%を達成し、manual teleoperation（83%）、intent-only arbitration（44%）、fixed equal-weight blending（10%）を上回った。 - また、制御のfriendlinessが高く、authority-weighted disagreementが両共有制御ベースラインより低かった。

- 結果は、VLA capabilityを権限配分に組み込むことでover-helpingを緩和し、共有制御性能を改善する利点を示す。 - ただし、要旨からは具体的な議論や限界、今後の課題については不明。

- 要旨で参照/比較されている研究：intent-only arbitration、fixed equal-weight blending、manual teleoperation。 - 関連手法：VLM、VLA、Bayesian filtering、sigmoid mapping。 - 同分野の定番：shared control、human-robot collaboration、intent inference、capability-aware arbitration。