ロボティクス分野で開発された反応型モデルをヒトの認知評価に応用した新しい研究がarXivに投稿された。論文のタイトルは「計画なきヒト：反応型ロボティクスモデルが臨床課題におけるヒトの計画失敗を予測」で、Michael Migacevら4名の著者によって2026年5月15日に提出された。分野はロボティクス（cs.RO）と人工知能（cs.AI）にまたがる。
研究の中心はAICONと呼ばれるフレームワークである。これは元々ロボットのマニピュレーション操作のために開発された反応型の勾配降下法であり、先読み探索や明示的な目標階層の推論を一切行わず、現在の知覚情報に基づいて反応的に意思決定する点が特徴だ。研究チームはこのAICONをロンドン塔テストに適用した。ロンドン塔テストはパーキンソン病、軽度認知障害、脳卒中患者の計画能力を評価するために広く用いられている臨床認知課題である。
実験の結果、AICONはヒトの認知に関する知識を一切与えられていないにもかかわらず、24問のロンドン塔テスト問題においてヒト被験者の細かい難易度順序を再現することに成功した。その性能は課題の構造的パラメータに基づく予測モデルを上回り、また、leave-two-out交差検証において未学習の問題にも良好に汎化した。
さらに重要な発見は、群間差の識別にある。計画能力が損なわれた臨床群では、AICONの予測性能が従来の計画ベースラインモデルを有意に上回った。一方、健康な対照群では計画ベースラインモデルの方が行動をよく説明した。この二重解離は、元のAICON論文が予測していた現象と一致する。すなわち、AICONの失敗モードはパーキンソン病患者のそれに類似しており、患者は目標階層の組織化に困難を抱えるものの、単純な移動回数には問題を示さない。
この知見は、ヒトの計画能力が低下すると、行動が能動的な前向き計画からAICONのような反応型モードへと移行することを示唆している。研究はさらに、ロボット用に設計されたAICONが知覚、眼球運動、系列計画といった複数の領域で生物学的行動の特徴を捉えている点を指摘し、その中核的抽象化が生物システムの組織化に関する何らかの実在的性質を反映している可能性を示した。本研究成果は、認知障害の評価に新たな計算モデルツールを提供するとともに、ロボティクス学習フレームワークの計算精神医学における潜在的な価値を示すものである。