何が起きたか

ケンブリッジ大学の研究チームは、ロボットの社会的に適切な行動を継続学習するためのフレームワーク「Explicit Disentanglement Dual-Branch (EDD)」を、arXivに公開された論文「Mind the Context: Continual Learning of Socially Appropriate Robot Actions via Environmental-Social Disentanglement」で発表した。論文は2026年8月13日に公開され、コードはGitHubで公開されている。

詳細

ソーシャルロボットは多様な環境で動作することが期待されるが、同様の配置でも社会的に適切な行動は異なる。例えば、混雑した家庭で会話を始めることは許容されるが、オフィスの会議では妨害となる。こうした規範や環境は事前に予測できないため、ロボットには逐次的な経験から適応しつつ、以前に獲得した知識を保持する継続学習（CL）が必要となる。 従来研究では、社会的に適切なロボット行動の生成のためのCLが研究されてきたが、ロボットがリビングルーム、会議室、オフィス、廊下などの多様な文脈に段階的に遭遇するドメイン増分設定は扱われていなかった。この設定では、環境的手がかり（空間が開放的か家具で散らかっているかなど）と社会的手がかり（人や他のエージェントがロボットの周囲にどう配置されているか）が、ロボット行動の適切性を共同で形成する。 EDDは、環境と社会エージェントに関連する知識を明示的に分離し、リプレイベースのリハーサルを用いて忘却を軽減しながら、複数の屋内ドメインにわたってロボット行動（掃除、給仕、会話開始など）の適切性を学習する。実験では、EDDが複数の最先端ベースラインを上回り、アブレーション研究では異なる分離戦略とドメイン順序への感度が評価された。

Key Facts

ケンブリッジ大学の研究チームが、ロボットの社会的行動学習フレームワーク「EDD」を発表した。[1]
論文タイトルは「Mind the Context: Continual Learning of Socially Appropriate Robot Actions via Environmental-Social Disentanglement」。[1]
論文はarXivで2026年8月13日に公開された。[1]
EDDは環境と社会エージェントの知識を明示的に分離する。[1]
EDDはリプレイベースのリハーサルを用いて忘却を軽減する。[1]
対象となるロボット行動には、掃除、給仕、会話開始などが含まれる。[1]
対象となる環境は、リビングルーム、会議室、オフィス、廊下など。[1]
実験では、EDDが複数の最先端ベースラインを上回った。[1]
アブレーション研究では、異なる分離戦略とドメイン順序への感度が評価された。[1]
コードはGitHubで公開されている。[1]

なぜ重要か

この研究は、ロボットが多様な環境で社会的に適切な行動を継続的に学習するための新しいフレームワークを提案するものである。環境と社会的文脈を分離することで、従来の継続学習では難しかったドメイン増分設定に対応し、ロボットの実用的な展開に貢献する可能性がある。