본 논문은 인간과 로봇의 협업에서 인간의 신뢰도를 보다 정밀하게 추정하는 새로운 프레임워크를 제시합니다. 기존의 베타 평판 시스템은 이진 성과(성공/실패)에 기반하여 신뢰도를 업데이트하기 때문에, 협업 과정 전반에 걸친 연속적인 신뢰 변화를 효과적으로 포착하는 데 한계가 있습니다. 또한, 수동으로 보상 함수를 설계해야 하는 어려움도 존재합니다. 이를 해결하기 위해 본 논문에서는 연속적인 보상 값을 사용하여 각 시간 단계마다 신뢰도를 업데이트하고, 최대 엔트로피 최적화를 통해 보상 함수를 자동으로 생성하는 베타 평판 기반의 새로운 신뢰도 추정 프레임워크를 제안합니다. 이를 통해 신뢰도 추정의 정확성을 높이고, 보상 함수 수동 설계의 어려움을 해결하여 보다 지능적인 로봇 개발에 기여할 수 있습니다.
