人間参加型ロボット失敗回復に向けて：人間とロボットの協働におけるコミュニケーションギャップの橋渡し

- ロボットが失敗から回復するために周囲の人に助けを求める際の、人間とロボットの協働におけるコミュニケーションギャップを扱う研究。 - Listener Differences in Human-Robot Interaction (LD-HRI) というゲーム、データセット、ベンチマークを導入。 - 話者の性能を人間の聞き手のパフォーマンスで評価する。 - 聞き手の情報の違いを制御した下で、要求の特性、LLM話者、inverse-semantics要求選択アルゴリズムを評価。 - コーパスは446の人間作成要求と1,302の聞き手試行を含む。 - さらに24の凍結LLM作成要求を70人の聞き手で560試行評価。

- 先行のinverse-semantics研究は単一の聞き手モデルで要求を生成し、聞き手の知識の違いを検証していなかった。 - 本研究は聞き手の知識の違いを制御して評価する点が新しい。 - 人間の聞き手のパフォーマンスを通じて話者を評価するベンチマークを提供。 - これにより、専門家と初心者の間のギャップを測定可能にする。

- LD-HRIゲーム、データセット、ベンチマークを設計。 - 聞き手の情報の違いを制御した実験設定。 - 要求の特性、LLM話者、inverse-semantics要求選択アルゴリズムを評価。 - 人間作成要求とLLM作成要求を比較。 - 聞き手の成功を指標として話者の性能を評価。

- 446の人間作成要求と1,302の聞き手試行を含むコーパスで評価。 - 24の凍結LLM作成要求を70人の聞き手で560試行評価。 - 初心者の成功率はモデル作成要求の方が全4タスクで記述的に高い。 - しかし両要求源とも専門家と初心者の間に大きなギャップが残り、LLM要求では16パーセントポイントのギャップ。

- 聞き手の知識の違いがコミュニケーションの有効性に影響することを示す。 - モデル作成要求でも専門家と初心者のギャップが大きい。 - LD-HRIはこれらのギャップを測定可能にし、より堅牢なコミュニケーション設計の基盤を提供。 - 具体的な議論の詳細は要旨からは不明。

- 要旨で参照/比較されている研究: inverse-semantics work。 - 関連手法: large language model (LLM) speakers, inverse-semantics request-selection algorithms。 - 同分野の定番: human-robot collaboration, human-in-the-loop robot failure recovery。