論文の概要: What Questions Should Robots Be Able to Answer? A Dataset of User Questions for Explainable Robotics

• arxiv url: http://arxiv.org/abs/2510.16435v1
• Date: Sat, 18 Oct 2025 10:16:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:38.993501
• Title: What Questions Should Robots Be Able to Answer? A Dataset of User Questions for Explainable Robotics
• Title（参考訳）: ロボットが答えるべき質問は何か? 説明可能なロボットのためのユーザー質問のデータセット
• Authors: Lennart Wachowiak, Andrew Coles, Gerard Canal, Oya Celiktutan,
• Abstract要約: 家庭用ロボットに1,893件のユーザ質問のデータセットを導入する。 説明可能なロボット工学におけるほとんどの研究は、理由を探究することに焦点を当てている。 ロボット工学の初心者と認識するユーザは、経験豊富なユーザとは異なる質問をする。
• 参考スコア（独自算出の注目度）: 6.292766967410994
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the growing use of large language models and conversational interfaces in human-robot interaction, robots' ability to answer user questions is more important than ever. We therefore introduce a dataset of 1,893 user questions for household robots, collected from 100 participants and organized into 12 categories and 70 subcategories. Most work in explainable robotics focuses on why-questions. In contrast, our dataset provides a wide variety of questions, from questions about simple execution details to questions about how the robot would act in hypothetical scenarios -- thus giving roboticists valuable insights into what questions their robot needs to be able to answer. To collect the dataset, we created 15 video stimuli and 7 text stimuli, depicting robots performing varied household tasks. We then asked participants on Prolific what questions they would want to ask the robot in each portrayed situation. In the final dataset, the most frequent categories are questions about task execution details (22.5%), the robot's capabilities (12.7%), and performance assessments (11.3%). Although questions about how robots would handle potentially difficult scenarios and ensure correct behavior are less frequent, users rank them as the most important for robots to be able to answer. Moreover, we find that users who identify as novices in robotics ask different questions than more experienced users. Novices are more likely to inquire about simple facts, such as what the robot did or the current state of the environment. As robots enter environments shared with humans and language becomes central to giving instructions and interaction, this dataset provides a valuable foundation for (i) identifying the information robots need to log and expose to conversational interfaces, (ii) benchmarking question-answering modules, and (iii) designing explanation strategies that align with user expectations.
• Abstract（参考訳）: 大きな言語モデルと人間とロボットのインタラクションにおける対話インターフェースの利用が増加しているため、ロボットがユーザの質問に答える能力はこれまで以上に重要である。 そこで本研究では,100人の参加者から収集し,12のカテゴリと70のサブカテゴリに分類した,家庭用ロボットを対象とした1,893のユーザ質問データセットを提案する。 説明可能なロボット工学におけるほとんどの研究は、理由を探究することに焦点を当てている。 対照的に、私たちのデータセットは、単純な実行の詳細に関する質問から、ロボットが仮説的なシナリオでどのように振る舞うかについての質問まで、さまざまな質問を提供します。 このデータセットを収集するために、15の動画刺激と7つのテキスト刺激を作成し、様々な家庭作業を行うロボットを描写した。 次に、参加者にProlificについて質問し、各場面でロボットにどのような質問をしたいかを聞いた。 最終データセットでは、タスク実行の詳細(22.5%)、ロボットの能力(12.7%)、パフォーマンスアセスメント(11.3%)に関する質問が最も多い。 ロボットが潜在的に困難なシナリオに対処し、正しい行動を確実にする方法についての疑問は少ないが、ユーザーはロボットが答えられるのに最も重要であるとランク付けする。 さらに,ロボット工学の初心者と認識するユーザは,経験豊富なユーザと異なる質問をする。 初心者は、ロボットが何をしたのか、環境の現状など、単純な事実を尋ねることが多い。 ロボットが人間と共有する環境に入り、言語が指示や対話の中心になるにつれて、このデータセットは貴重な基盤を提供する。 i)ロボットが対話インタフェースにログインして公開するために必要な情報を特定すること。 (ii)質問応答モジュールのベンチマーク 三 ユーザの期待に沿う説明方略を設計すること。

関連論文リスト

• Who Owns The Robot?: Four Ethical and Socio-technical Questions about Wellbeing Robots in the Real World through Community Engagement [9.005689230245432]
  我々は,実環境におけるロボット・ウェルビーイング・コーチの利用に関する3つの異なるコミュニティの視点を検討するために,コミュニティ中心の調査を実施している。 ロボット開発に携わる3つのコミュニティでワークショップを開催した。 我々は、福祉ロボットの現実的利用に関する倫理的および社会技術的問題に関する4つのテーマを特定した。
  論文  参考訳（メタデータ） (2025-09-01T13:38:50Z)
• Existential Crisis: A Social Robot's Reason for Being [0.0]
  本研究は,ロボットのユーザ認知が個性表示にどのように影響するかを検討することを目的とする。 LLMと音声によるテキスト技術を用いて,2つの条件を比較した。
  論文  参考訳（メタデータ） (2025-01-06T20:30:15Z)
• $π_0$: 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)
• Robotics Meets Software Engineering: A First Look at the Robotics Discussions on Stackoverflow [0.0]
  本研究は,StackOverflowに投稿された質問を分析し,ロボット開発者が直面する課題を明らかにすることを目的とする。 我々は500のロボット関連質問のフィルタリングデータセットを作成し,その特性について検討した。 ロボットムーブメントに関する質問が最も頻繁である11のテーマを特定した。
  論文  参考訳（メタデータ） (2024-10-05T23:03:56Z)
• Learning to Summarize and Answer Questions about a Virtual Robot's Past Actions [3.088519122619879]
  本研究では,自然言語のみを用いて,ロボットエージェントの過去の行動に関する質問を要約し,回答する学習の課題を実証する。 仮想ロボットのエゴ中心のビデオフレームと質問プロンプトが与えられたアクションシーケンスに関する質問を要約し、答えるように、大きな言語モデルがコアにある単一のシステムが訓練される。
  論文  参考訳（メタデータ） (2023-06-16T15:47:24Z)
• Open-World Object Manipulation using Pre-trained Vision-Language Models [72.87306011500084]
  ロボットが人からの指示に従うためには、人間の語彙の豊かな意味情報を繋げなければならない。 我々は、事前学習された視覚言語モデルを利用して、オブジェクト識別情報を抽出するシンプルなアプローチを開発する。 実際の移動マニピュレータにおける様々な実験において、MOOはゼロショットを様々な新しいオブジェクトカテゴリや環境に一般化する。
  論文  参考訳（メタデータ） (2023-03-02T01:55:10Z)
• Semantics for Robotic Mapping, Perception and Interaction: A Survey [93.93587844202534]
  理解の研究は、ロボットに世界が何を意味するのかを決定する。 人間とロボットが同じ世界で活動するようになるにつれ、人間とロボットの相互作用の展望も意味論をもたらす。 ニーズや、トレーニングデータや計算リソースの可用性向上などによって駆動されるセマンティックスは、ロボティクスにおける急速に成長している研究領域である。
  論文  参考訳（メタデータ） (2021-01-02T12:34:39Z)
• Model Elicitation through Direct Questioning [22.907680615911755]
  ロボットが人間のモデルをモデルからローカライズする方法を示す。 ロボットのチームメイトモデルに対する理解を深めるための質問を生成する方法を示す。
  論文  参考訳（メタデータ） (2020-11-24T18:17:16Z)

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。