2026年9月21日、arXivに「Capability-Aware Arbitration for Semantic Intent-Based Shared Control（意味的意図に基づく共有制御のための能力認識型アービトレーション）」と題する論文が公開された。著者はZhaoda Du氏ら3名で、識別子はarXiv:2609.25369v1、分類はロボティクス（cs.RO）である。
共有制御では、ロボットにどの程度の権限を委ねるかが中心的な課題となる。従来の手法は、推定した人間の意図に対する信頼度に基づいてロボットの権限を配分し、自律的な実行が信頼できるという前提を置いていた。しかしこの前提が崩れると、意図信頼度が高いにもかかわらず、いわゆる「過剰支援（over-helping）」が生じてしまう。
これに対し本論文は、能力認識型（capability-aware）の共有制御フレームワークを提案する。この枠組みでは、視覚言語モデル（VLM）が人間の意図を推論して意味的意図信頼度を出力し、視覚-言語-行動（VLA）ポリシーが自律行動を生成する。さらに、VLAの能力信頼度を、確率的な行動軌道の分散（dispersion）と局所的な不安定性（local instability）からオンラインで推定する点が特徴である。
著者らは、ベイズフィルタリングを施した意味的意図信頼度とVLA能力信頼度をシグモイド写像によって統合する非線形のアービトレーションポリシーを設計し、ロボットの権限を適応的に調整する。VLAの能力が低い場合には権限を下げて過剰支援を避け、能力が十分な場合にはより積極的にタスクを任せることができる。
評価は2つの部分からなる。第一にVLM/VLAの信頼度評価、第二に12名の参加者によるユーザー研究である。参加者はピック・アンド・プレースと双方向スタッキングのタスクを、分布内（in-distribution）および分布外（out-of-distribution）の条件で遂行した。これにより、未知の状況における手法の頑健性も検証されている。
結果として、提案手法はタスク成功率92%を達成し、手動テレオペレーション（83%）、意図のみのアービトレーション（44%）、固定等重みブレンディング（10%）を上回った。また、制御の親しみやすさ（control friendliness）はより高く、権限で重み付けした不一致度（authority-weighted disagreement）は2つの共有制御ベースラインよりも低かった。著者らは、VLAの能力を権限配分に組み込むことが過剰支援の緩和と共有制御性能の向上に寄与することを示すと結論づけている。
論文のPDF・実験的HTML版はarXivページで閲覧でき、DOIは10.48550/arXiv.2609.25369（DataCite登録は保留中）。投稿履歴によれば、v1は2026年9月21日20:08:39 UTCに提出され、ファイルサイズは約7,357 KBである。