arXivに新たな論文「Proximal State Nudging: Reducing Skill Atrophy from AI Assistance」が公開された。本論文は、AI支援下で人間の能力が徐々に低下する「スキル萎縮」問題に対処するため、Proximal State Nudging（PSN）と呼ばれる共有自律アルゴリズムを提案している。著者はMegha Srivastavaら9名で、2026年5月19日に投稿され、ロボティクス（cs.RO）分野に属し、人間とコンピュータのインタラクション（cs.HC）や機械学習（cs.LG）にも関連する。
スキル萎縮は、半自律システムの共有制御において安全リスクとなる。操作者は自身の入力と自律システムによる修正を区別できない可能性があるからだ。PSNの中心アイデアは、ユーザーを最も学習しやすいと推定される状態へと導くことで、スキル開発とタスクパフォーマンスを同時に最適化することにある。
研究チームはまず、古典的なLunarLander環境で模擬学生を用いた実験を行い、PSNが学生の非支援報酬の改善と全体的な共有パフォーマンスのバランスにおいて、既存の共有自律ベースラインを上回ることを示した。続いて、学習互換の共有自律プランナーに関する初の人間被験者研究を実施した。CARLAシミュレータでの2つの運転タスク（高性能レーシングと並列駐車）に60名が参加し、PSNは標準的なブレンド共有自律と比較して、非支援スキルの向上が最大7倍に達し、非支援の自己練習と比べて衝突が50%少ないという結果が得られた。
この研究の意義は、学習互換の共有自律プランナーの有効性を人間被験者実験で初めて検証し、AI支援によるスキル萎縮を軽減する新たなアルゴリズムの方向性を示した点にある。論文は9ページで、PSNのシミュレーションと人間実験の両面での優位性を明らかにし、将来の半自律システム設計に重要な示唆を与える。