要旨: 柔軟な人間—ロボット協調には、ロボットが人間の行動を継続的に推定し、将来の意図を予測することが必要である。これは、\emph{連続的な運動}と\emph{離散的な行為}について共同で推論することを伴うが、これらは依然として大きくは個別にモデル化されている。本論文では、人間の運動と行為の\emph{共同推定と予測}のための階層的かつ再帰的な確率論的枠組み\textsf{MA-HERP}を導入する。モデルは次を組み合わせる：(i) 運動が、許容されるAllen区間関係を通じて行為を構成する階層表現、(ii) 連続ダイナミクス、離散ラベル、所要時間を結合する統一的な確率因子分解、そして(iii) ベイズフィルタリングに着想を得た再帰的推論スキームであり、上位からの行為予測と、下位からの感覚的エビデンスの交互更新を行う。到達運動の筋骨格シミュレーションで訓練したニューラルモデルに基づく予備的な実験評価を示し、正確な運動予測、ノイズ下での頑健な行為推定、およびオンラインの人間—ロボット協調に適合する計算性能を報告する。
人とロボットの協働における人間の動作（モーション）とアクションの共同予測
arXiv cs.RO / 2026/4/6
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、人とロボットの協働中における人間の連続的なモーションと離散的なアクションを同時に推定・予測するための、階層的かつ再帰的な確率フレームワークである MA-HERP を提案する。
- 連続的な運動がアクションをどのように構成するかを、許容可能な Allen 区間関係を用いた階層構造によりモデル化し、連続ダイナミクスと離散ラベルおよびそれらの持続時間を、統一された確率的因子分解のもとで結合する。
- 再帰的な推論手続きでは、ベイズフィルタリングに似た枠組みにおいて、上位から下位へのアクション予測と、下位から上位への感覚的証拠の反映を交互に行うことで、ノイズ下での頑健性を高める。
- リーチングの筋骨格シミュレーションで学習したニューラルモデルを用いた予備実験により、モーション予測の精度、ノイズ下でのアクション推定の信頼性、オンライン協働に適した計算性能が示される。
