論文の概要: Human-mediated Large Language Models for Robotic Intervention in Children with Autism Spectrum Disorders
- arxiv url: http://arxiv.org/abs/2402.00260v3
- Date: Sat, 27 Jul 2024 04:19:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-31 00:07:09.491407
- Title: Human-mediated Large Language Models for Robotic Intervention in Children with Autism Spectrum Disorders
- Title（参考訳）: 自閉症スペクトラム障害児におけるロボット介入のための人間介在型大規模言語モデル
- Authors: Ruchik Mishra, Karla Conn Welch, Dan O Popa,
- Abstract要約: 本稿では自閉症スペクトラム障害(ASD)児に対するロボット介入における視点学習の実践について述べる。
提案手法では,大規模言語モデル (LLM) を用いてテキストとして言語コンテンツを生成し,ロボット音声で子供に届ける。
実際の視点指導セッションを模擬したドメインエキスパートと10分間のセッションを行い,研究員は子どもの参加者として行動した。
- 参考スコア（独自算出の注目度）: 4.648694902641197
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The robotic intervention for individuals with Autism Spectrum Disorder (ASD) has generally used pre-defined scripts to deliver verbal content during one-to-one therapy sessions. This practice restricts the use of robots to limited, pre-mediated instructional curricula. In this paper, we increase robot autonomy in one such robotic intervention for children with ASD by implementing perspective-taking teaching. Our approach uses large language models (LLM) to generate verbal content as texts and then deliver it to the child via robotic speech. In the proposed pipeline, we teach perspective-taking through which our robot takes up three roles: initiator, prompter, and reinforcer. We adopted the GPT-2 + BART pipelines to generate social situations, ask questions (as initiator), and give options (as prompter) when required. The robot encourages the child by giving positive reinforcement for correct answers (as a reinforcer). In addition to our technical contribution, we conducted ten-minute sessions with domain experts simulating an actual perspective teaching session, with the researcher acting as a child participant. These sessions validated our robotic intervention pipeline through surveys, including those from NASA TLX and GodSpeed. We used BERTScore to compare our GPT-2 + BART pipeline with an all GPT-2 and found the performance of the former to be better. Based on the responses by the domain experts, the robot session demonstrated higher performance with no additional increase in mental or physical demand, temporal demand, effort, or frustration compared to a no-robot session. We also concluded that the domain experts perceived the robot as ideally safe, likable, and reliable.
- Abstract（参考訳）: 自閉症スペクトラム障害(ASD)の個人に対するロボットによる介入は、一般的に1対1のセラピーセッションの間、言語コンテンツを提供するために定義済みのスクリプトを使用してきた。
この慣行は、ロボットの使用を制限され、事前に媒介された教育カリキュラムに制限する。
本稿では,ASDを実践する子どもに対して,視点学習を実践することで,ロボットの自律性を向上する。
提案手法では,大規模言語モデル (LLM) を用いてテキストとして言語コンテンツを生成し,ロボット音声で子供に届ける。
提案するパイプラインでは,ロボットが3つの役割を担っている視点取り(initiator, prompter, reforcer)を教える。
我々は、GPT-2+BARTパイプラインを採用し、社会的状況を生成し、質問(開始者として)し、必要なときにオプション(プロンプトとして)を与えました。
ロボットは、正しい答え(強化者として)に対して正の強化を与えることで、子供を励ます。
技術的な貢献に加えて、実際の視点教育セッションをシミュレートしたドメインエキスパートと10分間のセッションを行い、研究者は児童学生として行動した。
これらのセッションは、NASA TLXやGodSpeedなどの調査を通じて、私たちのロボット介入パイプラインを検証しました。
GPT-2+BARTパイプラインを全GPT-2と比較するためにBERTScoreを使用しました。
ドメインの専門家の回答に基づき、ロボットセッションは、ロボットセッションと比較して、精神的、身体的要求、時間的要求、努力、フラストレーションを増すことなく、より高いパフォーマンスを示した。
また、ドメインの専門家はロボットを理想的に安全で、可読性があり、信頼性が高いと感じていると結論付けました。
関連論文リスト
- Robotic Backchanneling in Online Conversation Facilitation: A Cross-Generational Study [36.065558339939095]
日本は、人口の認知低下率の増加や介護者の不足など、高齢化社会にまつわる多くの課題に直面している。
人工知能(AI)、特に人間とコミュニケーション可能な、社会的に具体化された知的エージェントやロボットを使ったソリューションの探求が始まっている。
本研究では,認知低下防止を目的としたグループ会話プロトコルのファシリテータとして機能するロボットをユーザスタディで評価した。
我々は、ロボットの受容性を高め、グループ会話体験を楽しむために、自然な人間の話し方であるバックチャネルを使用するように、ロボットを改造した。
論文 参考訳（メタデータ） (2024-09-25T13:08:43Z) - Dialogue with Robots: Proposals for Broadening Participation and Research in the SLIVAR Community [57.56212633174706]
自然言語を使って機械と対話する能力は一般的なものになりつつあるが、期待されている。
本稿では,ロボットとの音声対話のこの成長分野の最近の歴史を詳述する。
私たちはコミュニティに3つの提案を提供しています。ひとつは教育、もうひとつはベンチマーク、もうひとつはロボットとの会話に関する言語モデリングです。
論文 参考訳（メタデータ） (2024-04-01T15:03:27Z) - Ain't Misbehavin' -- Using LLMs to Generate Expressive Robot Behavior in
Conversations with the Tabletop Robot Haru [9.2526849536751]
本稿では,大規模言語モデル(LLM)を利用して,表現行動を伴うロボット応答を生成する,完全自動会話システムを提案する。
提案したシステムを用いて,ボランティアが社会ロボットとチャットし,そのフィードバックを分析し,チャットテキストの厳密な誤り解析を行う。
最も否定的なフィードバックは、会話に限られた影響を及ぼす自動音声認識(ASR)エラーによるものだった。
論文 参考訳（メタデータ） (2024-02-18T12:35:52Z) - Growing from Exploration: A self-exploring framework for robots based on
foundation models [13.250831101705694]
我々は、ロボットが人間の介入なしに自律的に探索し学習することを可能にするGExpというフレームワークを提案する。
幼児が世界と対話する方法に触発されて、GExpはロボットに、一連の自己生成タスクで環境を理解し、探索するように促す。
論文 参考訳（メタデータ） (2024-01-24T14:04:08Z) - 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) - A Human-Robot Mutual Learning System with Affect-Grounded Language
Acquisition and Differential Outcomes Training [0.1812164955222814]
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。
論文 参考訳（メタデータ） (2023-10-20T09:41:31Z) - What Matters to You? Towards Visual Representation Alignment for Robot
Learning [81.30964736676103]
人のために運用する場合、ロボットはエンドユーザーの好みに合わせて報酬を最適化する必要がある。
本稿では、視覚的表現アライメント問題を解決するためのRAPL(Representation-Aligned Preference-based Learning)を提案する。
論文 参考訳（メタデータ） (2023-10-11T23:04:07Z) - Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement
Learning [54.636562516974884]
模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。
本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。
ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
論文 参考訳（メタデータ） (2023-03-02T18:51:38Z) - Social Assistive Robotics for Autistic Children [56.524774292536264]
このプロジェクトの目的は、自閉症児と社会ロボットNAOとの相互作用をテストすることである。
このプロジェクトのイノベーティブな側面は、子供のロボットのインタラクションが子供の感情や特定の特徴を熟考することである。
論文 参考訳（メタデータ） (2022-09-25T18:28:19Z) - 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)
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。