PACT：人間とロボットの協調における継続的なタスク支援のためのプロアクティブな質問

長期的な人間とロボットの協調において、ロボットは部分的な観測下でユーザを支援し、複数日にわたるインタラクション履歴を活用する必要があります。しかし、協調の初期段階では人間の特性や日常的な行動パターンが未知であることが多く、受動的な「推論してから行動する」方式では非効率的で信頼性に欠けます。この課題に対処するため、研究チームはPACT（Proactive Asking for Continual Task Assistance）フレームワークを提案しました。PACTは「質問するか行動するか」の意思決定メカニズムを採用し、現在の観測と蓄積されたインタラクション履歴から文脈の十分性を評価し、行動前に明確化が必要かどうかを判断します。これにより、ロボットはより信頼性の高い支援を提供し、時間の経過とともにユーザに徐々に適応することが可能になります。主な学習実装は強化学習を用いて行われ、同一フレームワーク内で代替実装も評価されました。さらに、支援精度と明確化要求の頻度のトレードオフを定量化する明確化ユーティリティ指標を導入し、システムが適切なバランスを見つけることを可能にしました。複数日にわたる具現化協調シナリオの実験では、受動的推論ベースラインと比較して、PACTは一貫して支援精度と明確化ユーティリティの両方を向上させ、継続的な人間とロボットの協調におけるプロアクティブな質問の重要性を示しました。この研究成果は、サービスロボット、家庭用アシスタント、産業用ロボットなど、長期的な協調が必要な分野での応用が期待されます。将来的には、より効率的な意思決定戦略の探求や、複数ユーザ環境へのPACTの拡張が課題となります。