抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
人間行動を正確に予測する能力は,対話型設定におけるロボット自律性の安全性と効率の中心である。残念なことに,ロボットは,人々の目標,注意,および協力する意欲のような,これらの予測がヒンジになる重要な情報へのアクセスをしばしば欠いている。二重制御理論は,確率的隠れ状態として予測モデルの未知パラメータを処理することにより,またシステム操作中に収集した情報を用いて実行時間でそれらの値を推論することにより,この課題に対処した。探索と開発を最適かつ自動的にトレードオフできる一方で,二重制御は,主にロボット軌道最適化と人間意図推論の間の基本的結合により,一般的対話型運動計画に対して計算的に難題である。本論文では,陰的二重制御パラダイムに基づく対話型運動計画のためのアクティブ不確実性低減を可能にする新しいアルゴリズムアプローチを提案した。この手法は確率的動的プログラミングのサンプリングベース近似に依存し,実時間勾配ベース最適化法により容易に解くことができるモデル予測制御問題を導いた。得られた政策は,連続とカテゴリーの不確実性の両方を有する広範囲の予測人間モデルに対する二重制御効果を保存することを示した。本アプローチの有効性を模擬運転例で示した。【JST・京大機械翻訳】