論文の概要: Leveraging Large Language Models for Robot-Assisted Learning of Morphological Structures in Preschool Children with Language Vulnerabilities

• arxiv url: http://arxiv.org/abs/2509.22287v1
• Date: Fri, 26 Sep 2025 12:48:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:54.430367
• Title: Leveraging Large Language Models for Robot-Assisted Learning of Morphological Structures in Preschool Children with Language Vulnerabilities
• Title（参考訳）: 幼児期言語障害児におけるロボット支援型形態構造学習のための大規模言語モデルの導入
• Authors: Stina Sundstedt, Mattias Wingren, Susanne Hägglund, Daniel Ventus,
• Abstract要約: 言語療法士は、形態的構造を日常の相互作用やゲームベースの学習活動に組み込む。 このアプローチは、正確な言語知識と様々な形態素のリアルタイム生産を必要とする。 TalBotプロジェクトでは、Furhatの会話ロボットが単語検索ゲーム"Alias"を子供たちとプレイし、言語スキルを向上させるアプリケーションを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Preschool children with language vulnerabilities -- such as developmental language disorders or immigration related language challenges -- often require support to strengthen their expressive language skills. Based on the principle of implicit learning, speech-language therapists (SLTs) typically embed target morphological structures (e.g., third person -s) into everyday interactions or game-based learning activities. Educators are recommended by SLTs to do the same. This approach demands precise linguistic knowledge and real-time production of various morphological forms (e.g., "Daddy wears these when he drives to work"). The task becomes even more demanding when educators or parent also must keep children engaged and manage turn-taking in a game-based activity. In the TalBot project our multiprofessional team have developed an application in which the Furhat conversational robot plays the word retrieval game "Alias" with children to improve language skills. Our application currently employs a large language model (LLM) to manage gameplay, dialogue, affective responses, and turn-taking. Our next step is to further leverage the capacity of LLMs so the robot can generate and deliver specific morphological targets during the game. We hypothesize that a robot could outperform humans at this task. Novel aspects of this approach are that the robot could ultimately serve as a model and tutor for both children and professionals and that using LLM capabilities in this context would support basic communication needs for children with language vulnerabilities. Our long-term goal is to create a robust LLM-based Robot-Assisted Language Learning intervention capable of teaching a variety of morphological structures across different languages.
• Abstract（参考訳）: 発達障害や移民関連言語問題などの言語障害を持つ幼児は、表現力のある言語スキルを強化するために支援を必要とすることが多い。 暗黙的な学習の原則に基づき、音声言語療法士(SLT)は、通常、日常的な相互作用やゲームベースの学習活動にターゲット形態構造(例えば、第三者)を組み込む。 教育者は、SLTが同じようにすることを推奨する。 このアプローチは、正確な言語知識と様々な形態のリアルタイム生産を必要とする(例えば、「Daddyは仕事に向かうときにこれらを身に着けている」)。 このタスクは、教育者や親が子供との関わりを保ち、ゲームベースの活動でターンテイクを管理しなければならないときにさらに要求される。 TalBotプロジェクトでは、Furhatの会話ロボットが単語検索ゲーム"Alias"を子供たちとプレイし、言語スキルを向上させるアプリケーションを開発した。 我々は現在,ゲームプレイ,対話,感情応答,ターンテイキングを管理するために,大言語モデル(LLM)を採用している。 次のステップは、LLMの能力をさらに活用して、ロボットがゲーム中に特定の形態的ターゲットを生成し、提供できるようにすることです。 我々は、ロボットがこのタスクで人間より優れていると仮定する。 このアプローチの新たな側面は、ロボットが最終的に子供とプロの両方のモデルおよび家庭教師として機能し、この文脈でLLM機能を使用することで言語脆弱性を持つ子供のための基本的なコミュニケーションニーズをサポートすることである。 我々の長期的なゴールは、様々な言語にまたがる様々な形態的構造を教えることのできる、堅牢なLLMベースのロボット支援言語学習の介入を作ることです。

関連論文リスト

• $π_0$: A Vision-Language-Action Flow Model for General Robot Control [77.32743739202543]
  本稿では,インターネット規模のセマンティック知識を継承するために,事前学習された視覚言語モデル(VLM)上に構築された新しいフローマッチングアーキテクチャを提案する。 我々は,事前訓練後のタスクをゼロショットで実行し,人からの言語指導に追従し,微調整で新たなスキルを習得する能力の観点から,我々のモデルを評価した。
  論文  参考訳（メタデータ） (2024-10-31T17:22:30Z)
• Leveraging Large Language Models in Human-Robot Interaction: A Critical Analysis of Potential and Pitfalls [0.0]
  大規模言語モデル(LLM)と視覚言語モデル(VLM)は、社会支援ロボット(SAR)における前例のない機会と課題を提示する 我々は、HRI研究における主要なロボットとSARの重要応用を探求する250以上の論文のメタスタディを行い、教育、医療、エンターテイメントを強調しながら、ロボット開発者が対処すべき社会的規範や問題、信頼、偏見、倫理に対処する。 我々は,LSM や VLM を SAR に導入するための責任と効果的な経路を概説する。
  論文  参考訳（メタデータ） (2024-03-26T15:36:40Z)
• 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)
• Computational Language Acquisition with Theory of Mind [84.2267302901888]
  我々は、心の理論(ToM)を備えた言語学習エージェントを構築し、その学習過程への影響を測定する。 重み付けされたToMリスナーコンポーネントを用いた学習話者は,画像参照ゲームの設定において,性能向上につながることがわかった。
  論文  参考訳（メタデータ） (2023-03-02T18:59:46Z)
• What Artificial Neural Networks Can Tell Us About Human Language Acquisition [47.761188531404066]
  自然言語処理のための機械学習の急速な進歩は、人間がどのように言語を学ぶかについての議論を変革する可能性がある。 計算モデルによる学習可能性の関連性を高めるためには,人間に対して大きな優位性を持たず,モデル学習者を訓練する必要がある。
  論文  参考訳（メタデータ） (2022-08-17T00:12:37Z)
• Inner Monologue: Embodied Reasoning through Planning with Language Models [81.07216635735571]
  大規模言語モデル(LLM)は自然言語処理以外の領域に適用できる。 具体化された環境でのLLMの計画には、何をすべきかだけでなく、どのように、いつ行うべきかを考える必要がある。 環境フィードバックを活用することで、LLMはロボット制御シナリオにおいてよりリッチな処理と計画を行うことができる内部モノローグを形成することができる。
  論文  参考訳（メタデータ） (2022-07-12T15:20:48Z)
• Do As I Can, Not As I Say: Grounding Language in Robotic Affordances [119.29555551279155]
  大規模な言語モデルは、世界に関する豊富な意味知識を符号化することができる。 このような知識は、自然言語で表現された高レベルで時間的に拡張された命令を動作させようとするロボットにとって極めて有用である。 低レベルのスキルを大規模言語モデルと組み合わせることで,言語モデルが複雑かつ時間的に拡張された命令を実行する手順について高いレベルの知識を提供することを示す。
  論文  参考訳（メタデータ） (2022-04-04T17:57:11Z)
• CALVIN: A Benchmark for Language-conditioned Policy Learning for Long-horizon Robot Manipulation Tasks [30.936692970187416]
  汎用ロボットは、人間の言語を認識や行動に関連付けることを学ばなければならない。 CALVIN(CALVIN)は、長期の言語条件のタスクを学習するためのオープンソースのシミュレーションベンチマークである。
  論文  参考訳（メタデータ） (2021-12-06T18:37:33Z)
• Learning Language-Conditioned Robot Behavior from Offline Data and Crowd-Sourced Annotation [80.29069988090912]
  本研究では,ロボットインタラクションの大規模なオフラインデータセットから視覚に基づく操作タスクを学習する問題について検討する。 クラウドソースの自然言語ラベルを用いたオフラインロボットデータセットの活用を提案する。 提案手法は目標画像仕様と言語条件付き模倣技術の両方を25%以上上回っていることがわかった。
  論文  参考訳（メタデータ） (2021-09-02T17:42:13Z)

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。