人とロボットの協働において、ロボットアシスタントは長期間にわたり、部分的な観測の下でユーザーを支援する必要がある。しかし協働開始時点では、人間の特性や習慣は未知であることが多く、受動的に推論してから行動する支援方法は効果的でも効率的でもない。Chengbo He氏ら9名による新たな研究は、この課題に対して日をまたぐ能動的質問の設定を検討し、PACT（Proactive Asking for Continual Task Assistance）と呼ばれる枠組みを提案している。
PACTの中心的な考え方は「質問するか行動するか」である。ロボットは行動を起こす前に、現在の観察とこれまで蓄積された対話履歴を組み合わせて、文脈が十分に理解できているかを評価する。情報が不足していると判断すれば、ユーザーに能動的に確認を求め、十分であれば直接行動に移る。この仕組みにより、ロボットは長期的な協働の中でユーザーに徐々に適応し、より信頼性の高い支援を提供できる。
研究チームは強化学習を用いてPACTの主要な学習インスタンスを実装し、同じ枠組みの下で代替の実装も評価した。こうした能動的質問の振る舞いを評価するため、支援精度と確認要求の頻度の間のトレードオフを定量化する「確認有用性」指標を新たに導入している。この指標は、ロボットがいつユーザーに問いかける価値があるか、またその問いかけの利点がコストを上回るかどうかを理解する助けとなる。
複数日にわたる身体化協働シナリオの実験では、PACTは受動的推論ベースラインと比較された。その結果、PACTは支援精度と確認有用性の両方で一貫した向上を示した。これは、継続的な人とロボットの協働において、受動的推論よりも能動的質問がロボットアシスタントの性能向上に重要であることを示している。
本論文は2026年5月23日に投稿され、ロボティクス（cs.RO）とヒューマンコンピュータインタラクション（cs.HC）の分野にまたがる。論文番号はarXiv:2605.24350である。研究は、長期的な協働においてロボットが必要な情報を能動的に取得することの重要性を強調し、今後の人とロボットの協働システム設計に新たな視点を提供している。