仮想現実における社会的共有認知のアクティブ推論モデリング

科学分野:

• 認知科学
• ヒューマンコンピュータインタラクション
• 人工知能

背景:

• 仮想現実（VR）における曖昧な概念の共有は、共同作業において課題をもたらします。
• アクティブ推論は、目標指向行動と学習を理解するための計算フレームワークを提供します。
• 共同注意と合意形成のモデリングは、効果的な人間とロボットの相互作用にとって重要です。

研究 の 目的:

• アクティブ推論を使用してVRにおける曖昧なカテゴリ概念を共有するためのプロセスモデルを提案および検証すること。
• 共同学習と合意形成における視線同期の役割を調査すること。
• 社会的認知メカニズムを組み込むことによってアクティブ推論モデルを強化すること。

主な方法:

• アクティブ推論フレームワーク内で、二層ベイジアン更新モデルを開発しました。
• カテゴリ判断における不一致を、視線同期（動的時間伸縮法で測定）で重み付けされたリスク項として組み込みました。
• 曖昧なアイテムを含むVRオブジェクト分類実験を実施し、ボットと人間同士の相互作用条件を比較しました。

主要な成果:

• 学習が進むにつれて、アクティブ推論モデルは観察された値に対して高い予測精度を示しました。
• 視線同期の重み付けを導入すると、予測精度が大幅に向上し、最適なパフォーマンスが達成されました。
• このモデルは、曖昧な状況での合意形成につながる共同学習プロセスを効果的に捉えました。

結論:

• 提案されたアクティブ推論モデルは、VR環境における社会的共有認知を効果的に捉えます。
• 視線同期は、曖昧な概念共有における共同精度と合意を向上させるための重要な要素です。
• このフレームワークは、人間とロボットの相互作用と社会的学習のモデリングのための新しいアプローチを提供します。