リアルタイムの分割制御におけるゼロショット協調のための認知的に制約されたパートナー

arXiv:2610.31726v1 発表タイプ：新規 要旨：効果的な人間と機械のチーム編成には、予測不可能な人間のパートナーと協調できるエージェントが必要である。実際の人間からのリアルタイムフィードバックや大規模な行動データセットを用いた強化学習はコストが高く、一方で純粋にシミュレーションによる訓練では、人工的な慣例に過剰適合してしまい、現実の人間とのゼロショット協調において失敗してしまう。そこで私たちは、認知的に制約されたパートナーに対してチームエージェントを学習させるためのフレームワークを提案する。このフレームワークでは、報酬設計や過去の学習チェックポイントに依存せず、人間の生理学的文献に基づく手続き的制約—特に反応遅延や知覚上の限界—から生じる多様性を持つシミュレートされたパートナーを用いる。改良版のLunar Lander環境において、これらのパートナーはより…のように振る舞うという予備的な証拠を報告する。