論文の概要: Transferring Expert Cognitive Models to Social Robots via Agentic Concept Bottleneck Models

• arxiv url: http://arxiv.org/abs/2508.03998v1
• Date: Wed, 06 Aug 2025 01:24:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-07 20:09:22.490849
• Title: Transferring Expert Cognitive Models to Social Robots via Agentic Concept Bottleneck Models
• Title（参考訳）: エージェント概念ボトルネックモデルによる専門的認知モデルから社会ロボットへの移動
• Authors: Xinyu Zhao, Zhen Tan, Maya Enisman, Minjae Seo, Marta R. Durantini, Dolores Albarracin, Tianlong Chen,
• Abstract要約: 我々は,マルチモーダルミーティングデータを解析し,ファシリテータに離散的な手がかりを提供するソーシャルロボット共同ファシリテータを開発した。 私たちのコアコントリビューションは、FMの幅広い社会的理解を専門的で透明なCBMに蒸留するトランスファーラーニングフレームワークです。
• 参考スコア（独自算出の注目度）: 30.8887488736873
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Successful group meetings, such as those implemented in group behavioral-change programs, work meetings, and other social contexts, must promote individual goal setting and execution while strengthening the social relationships within the group. Consequently, an ideal facilitator must be sensitive to the subtle dynamics of disengagement, difficulties with individual goal setting and execution, and interpersonal difficulties that signal a need for intervention. The challenges and cognitive load experienced by facilitators create a critical gap for an embodied technology that can interpret social exchanges while remaining aware of the needs of the individuals in the group and providing transparent recommendations that go beyond powerful but "black box" foundation models (FMs) that identify social cues. We address this important demand with a social robot co-facilitator that analyzes multimodal meeting data and provides discreet cues to the facilitator. The robot's reasoning is powered by an agentic concept bottleneck model (CBM), which makes decisions based on human-interpretable concepts like participant engagement and sentiments, ensuring transparency and trustworthiness. Our core contribution is a transfer learning framework that distills the broad social understanding of an FM into our specialized and transparent CBM. This concept-driven system significantly outperforms direct zero-shot FMs in predicting the need for intervention and enables real-time human correction of its reasoning. Critically, we demonstrate robust knowledge transfer: the model generalizes across different groups and successfully transfers the expertise of senior human facilitators to improve the performance of novices. By transferring an expert's cognitive model into an interpretable robotic partner, our work provides a powerful blueprint for augmenting human capabilities in complex social domains.
• Abstract（参考訳）: 集団行動変化プログラムやワークミーティングなどの社会的文脈で実施されるグループミーティングの成功は、グループ内の社会的関係を強化しつつ、個々の目標設定と実行を促進する必要がある。 したがって、理想的ファシリテーターは、解脱の微妙なダイナミクス、個々の目標設定と実行の困難、介入の必要性を示唆する対人的困難に敏感でなければならない。 ファシリテーターが経験した課題と認知的負荷は、グループ内の個人のニーズを認識しながら社会的交流を解釈し、社会的手がかりを特定する強力な"ブラックボックス"基盤モデル(FM)を超えた透明なレコメンデーションを提供する、具体化された技術にとって重要なギャップを生み出します。 我々は,マルチモーダルミーティングデータを分析し,ファシリテータに離散的な手がかりを提供するソーシャルロボットの共同ファシリテータによって,この重要な要求に対処する。 ロボットの推論はエージェント・コンセプト・ボトルネック・モデル(CBM)を用いており、参加者の関与や感情といった人間に解釈可能な概念に基づいて決定し、透明性と信頼性を確保する。 私たちのコアコントリビューションは、FMの幅広い社会的理解を専門的で透明なCBMに蒸留するトランスファーラーニングフレームワークです。 この概念駆動システムは、介入の必要性を予測する際に直接ゼロショットFMを著しく上回り、その推論をリアルタイムに修正することを可能にする。 モデルが複数のグループにまたがって一般化し、熟練した人間のファシリテーターの専門知識を移行し、初心者のパフォーマンスを向上させる。 専門家の認知モデルを解釈可能なロボットパートナーに転送することで、複雑な社会的領域における人間の能力を増強するための強力な青写真を提供する。

関連論文リスト

• When Models Know More Than They Can Explain: Quantifying Knowledge Transfer in Human-AI Collaboration [79.69935257008467]
  我々は,人間とAIの知識伝達能力に関する概念的かつ実験的フレームワークである知識統合と伝達評価(KITE)を紹介する。 最初の大規模人間実験(N=118)を行い,その測定を行った。 2段階のセットアップでは、まずAIを使って問題解決戦略を思いつき、その後独立してソリューションを実装し、モデル説明が人間の理解に与える影響を分離します。
  論文  参考訳（メタデータ） (2025-06-05T20:48:16Z)
• The Traitors: Deception and Trust in Multi-Agent Language Model Simulations [0.0]
  ソーシャル・デダクション・ゲームに触発されたマルチエージェント・シミュレーション・フレームワークであるThe Traitorsを紹介した。 我々は,詐欺の成功,信頼ダイナミクス,集団推論品質を計測する評価指標のスイートを開発する。 DeepSeek-V3, GPT-4o-mini, GPT-4o(モデル毎に10回の走行)による実験では, 顕著な非対称性が示された。
  論文  参考訳（メタデータ） (2025-05-19T10:01:35Z)
• The Human Robot Social Interaction (HSRI) Dataset: Benchmarking Foundational Models' Social Reasoning [49.32390524168273]
  本研究は,実世界のソーシャルインタラクションにおいて,人工知能(AI)エージェントの社会的推論を促進することを目的としている。 我々は、言語モデル(LM)と基礎モデル(FM)の能力をベンチマークするために、大規模な実世界のヒューマンロボット社会インタラクション(HSRI)データセットを導入する。 私たちのデータセットは、400以上の現実世界の人間のソーシャルロボットインタラクションビデオと10K以上のアノテーションで構成され、ロボットの社会的エラー、能力、合理性、修正行動の詳細を記述しています。
  論文  参考訳（メタデータ） (2025-04-07T06:27:02Z)
• Building Knowledge from Interactions: An LLM-Based Architecture for Adaptive Tutoring and Social Reasoning [42.09560737219404]
  大規模言語モデルは、人間のようなコミュニケーションにおいて有望であるが、そのスタンドアロンの使用は、メモリ制約とコンテキストの不整合によって妨げられている。 この研究は、LLMに基づく社会的・タスク指向のヒューマンロボットインタラクションにおける自律的意思決定を強化する、マルチモーダルで認知にインスパイアされたフレームワークを提示する。 自律性とパーソナライゼーションをさらに強化するために,体験の選択,保存,検索を行うメモリシステムを導入する。
  論文  参考訳（メタデータ） (2025-04-02T10:45:41Z)
• Constrained Human-AI Cooperation: An Inclusive Embodied Social Intelligence Challenge [47.74313897705183]
  CHAICは、インボディードエージェントの社会的知覚と協力をテストするために設計された包括的インボディード・ソーシャル・インテリジェンス・チャレンジである。 CHAICの目標は、身体的制約の下で活動している可能性がある人間を支援するために、自我中心の観察装置を備えたエンボディエージェントである。
  論文  参考訳（メタデータ） (2024-11-04T04:41:12Z)
• Latent-Predictive Empowerment: Measuring Empowerment without a Simulator [56.53777237504011]
  我々は、より実用的な方法でエンパワーメントを計算するアルゴリズムであるLatent-Predictive Empowerment(LPE)を提案する。 LPEは、スキルと国家間の相互情報の原則的な置き換えである目的を最大化することで、大きなスキルセットを学習する。
  論文  参考訳（メタデータ） (2024-10-15T00:41:18Z)
• A Multi-Modal Explainability Approach for Human-Aware Robots in Multi-Party Conversation [38.227022474450834]
  本稿では,従来の最先端技術と比較して性能が向上したアドレス推定モデルを提案する。 また、上記のアーキテクチャに説明可能性と透明性を組み込むいくつかの方法を提案する。
  論文  参考訳（メタデータ） (2024-05-20T13:09:32Z)
• Extended Reality for Enhanced Human-Robot Collaboration: a Human-in-the-Loop Approach [2.336967926255341]
  人間とロボットのコラボレーションは、機械の強さと精度と人間の創造性と知覚的理解を組み合わせることで、これらの課題に取り組みます。 本稿では,人間のループ内原理を取り入れた自律型機械学習ベースのマニピュレータの実装フレームワークを提案する。 概念的枠組みは、ロボット学習プロセスに直接人間の関与を予測し、より高い適応性とタスクの一般化をもたらす。
  論文  参考訳（メタデータ） (2024-03-21T17:50:22Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Towards socially-competent and culturally-adaptive artificial agents Expressive order, interactional disruptions and recovery strategies [0.0]
  この研究の総体的目的は、人工エージェントをダイアド的相互作用よりも社会的に競争力のあるものにするための枠組みを構築することである。 本稿は,(i)社会的能力,(ii)関係的役割,(iii)近接性の3次元に焦点をあてて,この能力レベルがいかに達成されるかを強調した。
  論文  参考訳（メタデータ） (2023-08-06T15:47:56Z)
• You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
  認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。 そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
  論文  参考訳（メタデータ） (2020-04-11T12:51:07Z)

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。