論文の概要: A Human-Robot Mutual Learning System with Affect-Grounded Language
Acquisition and Differential Outcomes Training
- arxiv url: http://arxiv.org/abs/2310.13377v1
- Date: Fri, 20 Oct 2023 09:41:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 23:33:44.790707
- Title: A Human-Robot Mutual Learning System with Affect-Grounded Language
Acquisition and Differential Outcomes Training
- Title（参考訳）: 言語習得と差分学習による人間とロボットの相互学習システム
- Authors: Alva Markelius, Sofia Sj\"oberg, Zakaria Lemhauori, Laura Cohen,
Martin Bergstr\"om, Robert Lowe, and Lola Ca\~namero
- Abstract要約: 本稿では,ロボットのホメオスタティックなニーズを識別するための,人間とロボットのインタラクション・セットアップを提案する。
我々は,ロボットが内部ニーズに特有のフィードバックを提供する,差分結果学習プロトコルを採用した。
我々は、DOTが人間の学習効率を高めることができるという証拠を発見し、それによってより効率的なロボット言語習得を可能にした。
- 参考スコア（独自算出の注目度）: 0.1812164955222814
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a novel human-robot interaction setup for robot and human
learning of symbolic language for identifying robot homeostatic needs. The
robot and human learn to use and respond to the same language symbols that
convey homeostatic needs and the stimuli that satisfy the homeostatic needs,
respectively. We adopted a differential outcomes training (DOT) protocol
whereby the robot provides feedback specific (differential) to its internal
needs (e.g. `hunger') when satisfied by the correct stimulus (e.g. cookie). We
found evidence that DOT can enhance the human's learning efficiency, which in
turn enables more efficient robot language acquisition. The robot used in the
study has a vocabulary similar to that of a human infant in the linguistic
``babbling'' phase. The robot software architecture is built upon a model for
affect-grounded language acquisition where the robot associates vocabulary with
internal needs (hunger, thirst, curiosity) through interactions with the human.
The paper presents the results of an initial pilot study conducted with the
interactive setup, which reveal that the robot's language acquisition achieves
higher convergence rate in the DOT condition compared to the non-DOT control
condition. Additionally, participants reported positive affective experiences,
feeling of being in control, and an empathetic connection with the robot. This
mutual learning (teacher-student learning) approach offers a potential
contribution of facilitating cognitive interventions with DOT (e.g. for people
with dementia) through increased therapy adherence as a result of engaging
humans more in training tasks by taking an active teaching-learning role. The
homeostatic motivational grounding of the robot's language acquisition has
potential to contribute to more ecologically valid and social
(collaborative/nurturing) interactions with robots.
- Abstract（参考訳）: 本稿では,ロボットのための新しいヒューマン・ロボットインタラクション設定と,ロボットのホメオスタティックニーズを識別するためのシンボリック言語学習を提案する。
ロボットと人間はそれぞれ、ホメオスタティックなニーズと、ホメオスタティックなニーズを満たす刺激を伝達する同じ言語シンボルの使用と応答を学習する。
我々は,適切な刺激(クッキーなど)で満たされた場合,ロボットが内部ニーズ(例えば「ハンター」)に特異的なフィードバック(差分)を提供する,差分結果トレーニング(DOT)プロトコルを採用した。
dotによって人間の学習効率が向上し、それによってより効率的なロボット言語習得が可能になるという証拠が得られた。
この研究で使われたロボットは、言語‘babbling’のフェーズで、人間の幼児のそれに似た語彙を持つ。
ロボットソフトウェアアーキテクチャは、人間とのインタラクションを通じて語彙と内的ニーズ(ハンガー、渇き、好奇心)を関連付ける、情緒的言語獲得のモデル上に構築されている。
本研究は,ロボットの言語習得が,非DOT制御条件と比較してDOT条件の収束率が高いことを明らかにする対話的な設定による初期試験結果を示す。
さらに、被験者はポジティブな情緒体験、制御されている感覚、ロボットとの共感的なつながりを報告した。
この相互学習(Teacher-student learning)アプローチは、アクティブな教育学習の役割を担い、人間をより訓練タスクに従事させることによって、治療の順応性を高めることによって、DOT(例えば認知症の人々)との認知的介入を促進する潜在的貢献を提供する。
ロボットの言語獲得の恒常的動機付けは、より生態学的に有効で(協力的/養育的な)ロボットとの相互作用に寄与する可能性がある。
関連論文リスト
- Human-Robot Mutual Learning through Affective-Linguistic Interaction and Differential Outcomes Training [Pre-Print] [0.3811184252495269]
本研究では,感情言語コミュニケーションが人間ロボットの文脈における相互学習にどのように影響するかを検証する。
児童介護のダイナミックスからインスピレーションを得て、私たちの人間とロボットのインタラクションのセットアップは、内部的、ホメオスタティックに制御されたニーズのコミュニケーション方法を学ぶための(シミュレートされた)ロボットで構成されています。
論文 参考訳（メタデータ） (2024-07-01T13:35:08Z) - Exploring Large Language Models to Facilitate Variable Autonomy for Human-Robot Teaming [4.779196219827508]
本稿では,VR(Unity Virtual Reality)設定に基づく,GPTを利用したマルチロボットテストベッド環境のための新しいフレームワークを提案する。
このシステムにより、ユーザーは自然言語でロボットエージェントと対話でき、それぞれが個々のGPTコアで動く。
12人の参加者によるユーザスタディでは、GPT-4の有効性と、さらに重要なのは、マルチロボット環境で自然言語で会話する機会を与えられる際のユーザ戦略について検討している。
論文 参考訳（メタデータ） (2023-12-12T12:26:48Z) - Real-time Addressee Estimation: Deployment of a Deep-Learning Model on
the iCub Robot [52.277579221741746]
住所推定は、社会ロボットが人間とスムーズに対話するために必要なスキルである。
人間の知覚スキルにインスパイアされたディープラーニングモデルは、iCubロボットに設計、訓練、デプロイされる。
本研究では,人間-ロボットのリアルタイムインタラクションにおいて,そのような実装の手順とモデルの性能について述べる。
論文 参考訳（メタデータ） (2023-11-09T13:01:21Z) - Incremental Learning of Humanoid Robot Behavior from Natural Interaction and Large Language Models [23.945922720555146]
本研究では,自然相互作用から複雑な行動の漸進的な学習を実現するシステムを提案する。
本システムは,ヒューマノイドロボットARMAR-6のロボット認知アーキテクチャに組み込まれている。
論文 参考訳（メタデータ） (2023-09-08T13:29:05Z) - "No, to the Right" -- Online Language Corrections for Robotic
Manipulation via Shared Autonomy [70.45420918526926]
LILACは、実行中に自然言語の修正をオンラインで実施し、適応するためのフレームワークである。
LILACは人間とロボットを個別にターンテイクする代わりに、人間とロボットの間にエージェンシーを分割する。
提案手法は,タスク完了率が高く,ユーザによって主観的に好まれることを示す。
論文 参考訳（メタデータ） (2023-01-06T15:03:27Z) - Robots with Different Embodiments Can Express and Influence Carefulness
in Object Manipulation [104.5440430194206]
本研究では,2つのロボットによるコミュニケーション意図による物体操作の知覚について検討する。
ロボットの動きを設計し,物体の搬送時に注意を喚起するか否かを判断した。
論文 参考訳（メタデータ） (2022-08-03T13:26:52Z) - Data-driven emotional body language generation for social robotics [58.88028813371423]
社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。
我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。
評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
論文 参考訳（メタデータ） (2022-05-02T09:21:39Z) - A MultiModal Social Robot Toward Personalized Emotion Interaction [1.2183405753834562]
本研究では,ロボットインタラクションポリシーを強化するために,強化学習を伴うマルチモーダルヒューマンロボットインタラクション(HRI)フレームワークを実証する。
目標は、ロボットがより自然で魅力的なHRIフレームワークを作れるように、このフレームワークを社会シナリオに適用することだ。
論文 参考訳（メタデータ） (2021-10-08T00:35:44Z) - Self-supervised reinforcement learning for speaker localisation with the
iCub humanoid robot [58.2026611111328]
人の顔を見ることは、ノイズの多い環境での音声のフィルタリングに人間が依存するメカニズムの1つである。
スピーカーに目を向けるロボットを持つことは、挑戦的な環境でのASRのパフォーマンスに恩恵をもたらす可能性がある。
本稿では,人間の初期発達に触発された自己指導型強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-11-12T18:02:15Z) - Affect-Driven Modelling of Robot Personality for Collaborative
Human-Robot Interactions [16.40684407420441]
協調的な相互作用は、人間の感情的行動のダイナミクスに適応するために社会ロボットを必要とする。
社会ロボットにおける人格駆動行動生成のための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2020-10-14T16:34:14Z) - Joint Mind Modeling for Explanation Generation in Complex Human-Robot
Collaborative Tasks [83.37025218216888]
本稿では,人間とロボットのコラボレーションにおいて,人間のようなコミュニケーションを実現するための新しい説明可能なAI(XAI)フレームワークを提案する。
ロボットは、人間のユーザの階層的なマインドモデルを構築し、コミュニケーションの一形態として自身のマインドの説明を生成する。
その結果,提案手法はロボットの協調動作性能とユーザ認識を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2020-07-24T23:35:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。