論文の概要: Get It Right: Improving Comprehensibility with Adaptable Speech Expression of a Humanoid Service Robot
- arxiv url: http://arxiv.org/abs/2412.05022v1
- Date: Fri, 06 Dec 2024 13:14:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-09 15:55:31.167230
- Title: Get It Right: Improving Comprehensibility with Adaptable Speech Expression of a Humanoid Service Robot
- Title（参考訳）: 右へ:ヒューマノイドサービスロボットの適応型音声表現による理解性向上
- Authors: Thomas Sievers, Ralf Moeller,
- Abstract要約: 本研究では,人型社会ロボットPepperを用いた公共サービス環境における顧客支援のケーススタディについて検討する。
この情報を簡単な言語に翻訳したり、他の音声言語に翻訳したりすることで、受信した情報の知性を向上させるアプリケーションアーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: As humanoid service robots are becoming more and more perceptible in public service settings for instance as a guide to welcome visitors or to explain a procedure to follow, it is desirable to improve the comprehensibility of complex issues for human customers and to adapt the level of difficulty of the information provided as well as the language used to individual requirements. This work examines a case study using a humanoid social robot Pepper performing support for customers in a public service environment offering advice and information. An application architecture is proposed that improves the intelligibility of the information received by providing the possibility to translate this information into easy language and/or into another spoken language.
- Abstract（参考訳）: ヒューマノイドサービスロボットは、訪問者を歓迎したり、フォローする手順を説明するためのガイドとして、公共サービス設定において、ますます認識されやすくなっているため、人間の顧客にとって複雑な問題の理解性を改善し、提供された情報の難易度と個々の要求に使用される言語に適応することが望ましい。
本研究では,人型社会ロボットPepperを用いた公共サービス環境における顧客支援のケーススタディについて検討する。
この情報を簡単な言語に翻訳したり、他の音声言語に翻訳したりすることで、受信した情報の知性を向上させるアプリケーションアーキテクチャを提案する。
関連論文リスト
- KamerRaad: Enhancing Information Retrieval in Belgian National Politics through Hierarchical Summarization and Conversational Interfaces [55.00702535694059]
KamerRaadは、大きな言語モデルを活用するAIツールで、市民がベルギーの政治情報と対話的に関わるのを助ける。
このツールは、議会の手続きから重要な抜粋を抽出し、簡潔に要約し、次いで生成AIに基づくインタラクションの可能性を示す。
論文 参考訳（メタデータ） (2024-04-22T15:01:39Z) - Enhancing Essay Scoring with Adversarial Weights Perturbation and
Metric-specific AttentionPooling [18.182517741584707]
本研究は, ELLsの筆記能力を評価するため, BERT関連技術の応用について検討した。
ELLの具体的なニーズに対処するために,最先端のニューラルネットワークモデルであるDeBERTaを提案する。
論文 参考訳（メタデータ） (2024-01-06T06:05:12Z) - Creation Of A ChatBot Based On Natural Language Proccesing For Whatsapp [0.0]
本研究の目的は、自然言語処理に基づくチャットボットを開発し、顧客満足度を高め、WhatsAppを通じて企業が提供するサービス品質を向上させることである。
本研究の結果は、カスタマーサービスのための効果的なチャットボットの設計と開発のための確固たる基盤を提供する。
論文 参考訳（メタデータ） (2023-10-10T18:54:15Z) - When Large Language Models Meet Personalization: Perspectives of
Challenges and Opportunities [60.5609416496429]
大規模言語モデルの能力は劇的に改善されている。
このような大きな飛躍的なAI能力は、パーソナライゼーションの実施方法のパターンを変えるだろう。
大規模言語モデルを汎用インターフェースとして活用することにより、パーソナライズシステムはユーザ要求を計画にコンパイルすることができる。
論文 参考訳（メタデータ） (2023-07-31T02:48:56Z) - CAMEL: Communicative Agents for "Mind" Exploration of Large Language
Model Society [58.04479313658851]
本稿では,コミュニケーションエージェント間の自律的協調を支援するスケーラブルな手法の構築の可能性について検討する。
本稿では,ロールプレイングという新しいコミュニケーションエージェントフレームワークを提案する。
コントリビューションには、新しいコミュニケーティブエージェントフレームワークの導入、マルチエージェントシステムの協調行動や能力を研究するためのスケーラブルなアプローチの提供などが含まれます。
論文 参考訳（メタデータ） (2023-03-31T01:09:00Z) - "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) - Enabling a Social Robot to Process Social Cues to Detect when to Help a
User [0.3867363075280543]
社会ロボットは、タイムリーな支援を提供するために、リアルタイムで人間のニーズを認識する必要がある。
本稿では,ロボットがいつ支援を行うべきかをソーシャルな手がかりを用いて決定するアーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-10-18T22:45:31Z) - How Should Agents Ask Questions For Situated Learning? An Annotated
Dialogue Corpus [13.12257465328948]
本稿では,HuRDLコーパス(HuRDL: Human-Robot Dialogue Learning)について紹介する。
コーパスデータとそれに対応するアノテーションスキームを記述し、人間が現在位置する環境での学習を促進するために求める質問の形式と内容について考察する。
論文 参考訳（メタデータ） (2021-06-11T16:58:22Z) - Can You be More Social? Injecting Politeness and Positivity into
Task-Oriented Conversational Agents [60.27066549589362]
人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。
このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。
人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
論文 参考訳（メタデータ） (2020-12-29T08:22:48Z) - Speaker De-identification System using Autoencoders and Adversarial
Training [58.720142291102135]
本稿では,対人訓練とオートエンコーダに基づく話者識別システムを提案する。
実験結果から, 対向学習とオートエンコーダを組み合わせることで, 話者検証システムの誤り率が同等になることがわかった。
論文 参考訳（メタデータ） (2020-11-09T19:22:05Z)
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。