2026/8/1arXiv:2608.13448

Mind the Context: Continual Learning of Socially Appropriate Robot Actions via Environmental-Social Disentanglement

詳しい要約

1. どんなもの？

本論文は、社会的ロボットが多様な環境で文脈に応じた適切な行動を継続学習するためのフレームワークを提案する。具体的には、環境的手がかり（空間の開放性や家具の配置）と社会的エージェントの位置関係などの社会的合図を明示的に分離し、リプレイベースのリハーサルを用いて忘却を緩和しながら、複数の屋内ドメイン（リビングルーム、会議室、オフィス、廊下など）でロボット行動（掃除、給仕、会話開始など）の適切性を学習する。

2. 先行研究と比べてどこがすごい？

先行研究では、社会的に適切なロボット行動の生成における継続学習が研究されてきたが、環境と社会的合図が共同で行動の適切性を形成するドメイン増分設定（環境が逐次的に変化する状況）は扱われていなかった。本提案は、環境知識と社会的エージェント知識を明示的に分離する点で新規性があり、従来のCL手法を上回る性能を示す。

3. 技術・手法の肝は？

提案手法はExplicit Disentanglement Dual-Branch (EDD)フレームワークである。環境関連知識と社会的エージェント関連知識を明示的に分離するデュアルブランチ構造を持ち、リプレイベースのリハーサルを用いて忘却を緩和する。環境と社会的合図の分離により、各ドメインの特徴を独立に学習し、適切な行動予測を行う。

4. どうやって有効だと検証した？

複数の屋内ドメインを含む実験設定で、提案手法が複数のstate-of-the-artベースラインを上回ることを示した。また、アブレーション研究により、異なる分離戦略とドメイン順序への感度を評価した。

5. 議論はある？

要旨からは、提案手法の限界や社会的受容性、実環境での適用可能性に関する議論は明示されていない。また、ドメイン順序への感度が評価されているが、その結果の詳細や実用的な含意については要旨からは不明。

6. 次に読むべき論文は？

要旨で参照されている先行研究や関連手法は明示されていないが、継続学習と社会的ロボット行動の分野の定番として、replay-based continual learning手法（例えば、Experience ReplayやA-GEM）や、社会的ナビゲーションのための文脈認識行動生成に関する研究が挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Rafal Robert Karpinski, Fethiye Irmak Dogan, Nikhil Churamani, Yiming Luo, Maartje M. A. de Graaf, Davide Dell'Anna, Hatice Gunes

分類: cs.RO

原文アブストラクト

Social robots are expected to operate across diverse environments, where similar arrangements can imply different socially appropriate actions, e.g., starting a conversation may be acceptable in a crowded home but disruptive in an office meeting. Because such norms and environments cannot all be anticipated in advance, robots require continual learning (CL) to adapt from sequential experience while retaining previously acquired knowledge. Prior work has studied CL for generating socially appropriate robot actions, but it has not addressed domain-incremental settings in which the robot incrementally encounters diverse contexts (e.g., living room, meeting room, office, hallway), where both environmental (e.g., whether the space is open or cluttered with furniture) and social cues (e.g., how people or other agents are positioned around the robot) jointly shape the appropriateness of robot actions. We address this gap with the Explicit Disentanglement Dual-Branch (EDD) framework. EDD explicitly separates environmental and social-agent related knowledge and uses replay-based rehearsal to mitigate forgetting while learning the appropriateness of robot actions (e.g., cleaning, serving, starting a conversation) across several indoor domains. Experiments show that EDD outperforms several state-of-the-art baselines, and ablation studies further evaluate different disentanglement strategies and the sensitivity to domain ordering. Our code is publicly available at https://github.com/Cambridge-AFAR/Mind-the-Context.git.

arXivで原文を読む →arXiv概要ページ

← 論文一覧