CogSci 2026で発表された研究は、不確実性下での計画を支援する説明の計算モデルを提案しています。このモデルは、大規模言語モデル（LLM）を使用して自然言語の説明をプログラム的な行動指針（ポリシー事前分布と価値マップ）に変換し、部分観測環境下で計画エージェントがそれを実行します。説明のスコアは、結果の経路の効率性と信頼性に基づき、再計画をペナルティとして評価します。
研究チームは4つの事前登録実験を実施し、24の異なるマップにわたる1200の説明を収集しました。参加者は説明の有用性を評価し、ベースラインのナビゲーション性能を測定し、異なる品質の説明が行動に与える影響をテストしました。結果、高スコアの説明はより有用と判断され、ナビゲーションの改善に寄与しました：説明がある参加者はない参加者より優れたパフォーマンスを示し、高スコアの説明は低スコアのものよりも大きな効果をもたらしました。
これらの知見は、手続き的説明が効用指向のコミュニケーションであり、不確実性下で言語がどのように行動に接地されるかによって形作られることを示しています。この研究は、人間が言語を使って計画を立てるプロセスを理解する新たな枠組みを提供し、よりインテリジェントな対話システムの設計に寄与する可能性があります。