Internal State Estimation in Groups via Active Information Gathering

要約

人格特性や行動パターンなどの人間の内部状態を正確に推定することは、特にグループ設定での人間とロボットの相互作用の有効性を高めるために重要です。
これらの洞察は、社会的ナビゲーションから自閉症診断に至るまでのアプリケーションの重要です。
ただし、以前の方法はスケーラビリティと受動的観測によって制限されているため、複雑で多人の設定でのリアルタイムの推定が困難になります。
この作業では、自閉症スペクトラム障害（ASD）に関連する用途に焦点を当てた、グループでの積極的な人格推定の実用的な方法を提案します。
私たちの方法は、Eysenck 3-Factor理論に基づいた人格条件付きの行動モデルと、後退する馬のプランナーを通して人間の行動を引き起こすアクティブなロボット情報収集ポリシーを組み合わせています。
人間の人格についてのロボットの信念は、ベイジアン推論によって更新されます。
シミュレーション、典型的な成人を使用したユーザー研究、およびASDの参加者を含む予備実験を通じて、アプローチの有効性を実証します。
私たちの結果は、私たちの方法が数十人の人間にスケーリングし、人格予測の誤差を29.2％、不確実性をシミュレーションで79.9％減らすことができることを示しています。
典型的な大人を対象としたユーザー研究は、複雑な性格分布全体で一般化する方法の能力を確認しています。
さらに、自閉症関連のシナリオでの応用を調査し、この方法が神経型と自閉症の行動の違いを特定し、ASDの診断の可能性を強調できることを示しています。
結果は、私たちのフレームワークが将来のASD固有の介入の基盤として機能することを示唆しています。

要約(オリジナル)

Accurately estimating human internal states, such as personality traits or behavioral patterns, is critical for enhancing the effectiveness of human-robot interaction, particularly in group settings. These insights are key in applications ranging from social navigation to autism diagnosis. However, prior methods are limited by scalability and passive observation, making real-time estimation in complex, multi-human settings difficult. In this work, we propose a practical method for active human personality estimation in groups, with a focus on applications related to Autism Spectrum Disorder (ASD). Our method combines a personality-conditioned behavior model, based on the Eysenck 3-Factor theory, with an active robot information gathering policy that triggers human behaviors through a receding-horizon planner. The robot’s belief about human personality is then updated via Bayesian inference. We demonstrate the effectiveness of our approach through simulations, user studies with typical adults, and preliminary experiments involving participants with ASD. Our results show that our method can scale to tens of humans and reduce personality prediction error by 29.2% and uncertainty by 79.9% in simulation. User studies with typical adults confirm the method’s ability to generalize across complex personality distributions. Additionally, we explore its application in autism-related scenarios, demonstrating that the method can identify the difference between neurotypical and autistic behavior, highlighting its potential for diagnosing ASD. The results suggest that our framework could serve as a foundation for future ASD-specific interventions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google