ヒト・イン・ザ・ループ型パレート最適化：アシスト・アズ・ニーデッド訓練とパフォーマンス評価のためのトレードオフ特性化
arXiv cs.RO / 2026/3/26
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、人間を介したパレート最適化フレームワークを提案し、運動学習／リハビリテーションにおける「課題達成（タスクパフォーマンス）」と「主観的な難しさ」のトレードオフを特性化する。
- 定量的にパフォーマンスを測定し、主観的な難しさを定性的に捉えるというハイブリッド構成により、ベイズ型の多基準最適化を適用する。
- 著者らはユーザスタディによって実行可能性を検証し、触覚フィードバックを伴う手先の技能訓練タスクを用いた3つのユースケースを示す。
- このフレームワークは、アシスト・アズ・ニーデッド（AAN）訓練プロトコルの設計を支援し、適応的なベースラインと比較したAAN群の有効性を評価でき、さらに利用者が支援を必要とする場合でも、公平な事前／事後および利用者間の比較を可能にする。
