論文の概要: Calling for Backup: How Children Navigate Successive Robot Communication Failures

• arxiv url: http://arxiv.org/abs/2601.00754v1
• Date: Fri, 02 Jan 2026 17:18:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.608773
• Title: Calling for Backup: How Children Navigate Successive Robot Communication Failures
• Title（参考訳）: 子どもがロボットのコミュニケーションの失敗をナビゲートする方法
• Authors: Maria Teresa Parreira, Isabel Neto, Filipa Rocha, Wendy Ju,
• Abstract要約: 本研究は,若年者が繰り返しロボットの会話誤りにどう反応するかを検討するために,子育て参加者 (N=59, 8-10歳) との連続したロボット故障パラダイムを再現する。 子どもたちはプロンプトを調整し、口調を変え、連続的なエラーを通じて感情的な非言語的反応を示した。 これらの知見は,若年者を対象としたより効果的で,発達的に適切なロボットインタラクションシステムの設計を示唆するものである。
• 参考スコア（独自算出の注目度）: 15.205829674404848
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: How do children respond to repeated robot errors? While prior research has examined adult reactions to successive robot errors, children's responses remain largely unexplored. In this study, we explore children's reactions to robot social errors and performance errors. For the latter, this study reproduces the successive robot failure paradigm of Liu et al. with child participants (N=59, ages 8-10) to examine how young users respond to repeated robot conversational errors. Participants interacted with a robot that failed to understand their prompts three times in succession, with their behavioral responses video-recorded and analyzed. We found both similarities and differences compared to adult responses from the original study. Like adults, children adjusted their prompts, modified their verbal tone, and exhibited increasingly emotional non-verbal responses throughout successive errors. However, children demonstrated more disengagement behaviors, including temporarily ignoring the robot or actively seeking an adult. Errors did not affect participants' perception of the robot, suggesting more flexible conversational expectations in children. These findings inform the design of more effective and developmentally appropriate human-robot interaction systems for young users.
• Abstract（参考訳）: 子どもはロボットの繰り返しエラーにどう反応するか? これまでの研究では、連続するロボットのエラーに対する成人反応について検討されてきたが、子供の反応はほとんど未解明のままである。 本研究では,ロボット社会の誤りやパフォーマンスの誤りに対する子どもの反応について検討する。 後者では,若年者が繰り返しロボットの会話誤りにどう反応するかを検討するために,Liu et al の連続したロボット障害パラダイム (N=59, 8-10歳) を再現した。 参加者は、自分のプロンプトを3回も理解できなかったロボットと対話し、その行動反応をビデオ録画して分析した。 本研究で得られた成人の反応の類似点と相違点について検討した。 大人と同様に、子供たちはプロンプトを調整し、口調を調整し、連続したエラーを通じて感情的な非言語的反応を示した。 しかし、子どもたちはロボットを一時的に無視したり、大人を積極的に探すなど、より無関係な行動を示した。 誤りはロボットに対する参加者の認識に影響を与えず、子どもの会話に対する期待がより柔軟であることが示唆された。 これらの知見は,若年者を対象としたより効果的で,発達的に適切なロボットインタラクションシステムの設計を示唆するものである。

関連論文リスト

• Training Models to Detect Successive Robot Errors from Human Reactions [11.790205457987488]
  この研究は、人間の反応からロボットの失敗の段階を認識するために機械学習を使用する。 会話エラーを繰り返したロボットと対話する26人の被験者を対象にした研究では、映像データから行動特徴を抽出し、モデルを訓練した。 最良のモデルは、エラーを検出するための93.5%の精度と、連続する障害を分類するための84.1%を達成した。
  論文  参考訳（メタデータ） (2025-10-10T07:25:44Z)
• ERR@HRI 2.0 Challenge: Multimodal Detection of Errors and Failures in Human-Robot Conversations [18.151307410451796]
  ERR@HRI 2.0 Challengeは、人間とロボットの会話中の会話ロボットの失敗のデータセットを提供する。 データセットには、顔、スピーチ、頭の動きを取り入れた16時間の人-ロボットインタラクションが含まれている。 参加者はチームを作り、マルチモーダルデータを使用してこれらの障害を検出する機械学習モデルを開発するために招待される。
  論文  参考訳（メタデータ） (2025-07-17T18:21:45Z)
• Human strategies for correcting `human-robot' errors during a laundry sorting task [3.9697512504288373]
  「42人の参加者によるビデオ分析では、笑い、言葉表現、おやおやおやおやおや」など、発話パターンが見つかった。」 エラーが発生した時に展開される一般的な戦略には、修正と教育、責任を取ること、フラストレーションの表示などがあった。 人類型ロボットは、このようなタスクに理想的に適していないかもしれない。
  論文  参考訳（メタデータ） (2025-04-11T09:53:36Z)
• 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)
• Human-Robot Interaction and Perceived Irrationality: A Study of Trust Dynamics and Error Acknowledgment [0.0]
  本研究では,ロボットの故障に対する人間の反応を解析し,信頼のダイナミクスとシステム設計を体系的に検討する。 我々は,人間とロボットのインタラクションを通じて,信頼がどのように進化するかを調査する4段階の調査を行った。 その結果,ロボットの誤りや限界を認識すると,ロボットシステムの信頼性は著しく向上した。
  論文  参考訳（メタデータ） (2024-03-21T11:00:11Z)
• 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)
• Robots-Dont-Cry: Understanding Falsely Anthropomorphic Utterances in Dialog Systems [64.10696852552103]
  非常に人為的な反応は、ユーザーが人間と対話していると考えることを不快に、あるいは暗黙的に騙すかもしれない。 9つの異なるデータソースからサンプリングした約900の2ターンダイアログの実現可能性に関する人間の評価を収集する。
  論文  参考訳（メタデータ） (2022-10-22T12:10:44Z)
• 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)
• CheerBots: Chatbots toward Empathy and Emotionusing Reinforcement Learning [60.348822346249854]
  本研究では,複数の共感型チャットボットがユーザの暗黙の感情を理解し,複数の対話のターンに対して共感的に応答する枠組みを提案する。 チャットボットをCheerBotsと呼びます。CheerBotsは検索ベースまたは生成ベースで、深い強化学習によって微調整されます。 共感的態度で反応するため,CheerBotsの学習支援としてシミュレーションエージェントである概念人間モデルを開発し,今後のユーザの感情状態の変化を考慮し,共感を喚起する。
  論文  参考訳（メタデータ） (2021-10-08T07:44:47Z)
• Show Me What You Can Do: Capability Calibration on Reachable Workspace for Human-Robot Collaboration [83.4081612443128]
  本稿では,REMPを用いた短時間キャリブレーションにより,ロボットが到達できると考える非専門家と地道とのギャップを効果的に埋めることができることを示す。 この校正手順は,ユーザ認識の向上だけでなく,人間とロボットのコラボレーションの効率化にも寄与することを示す。
  論文  参考訳（メタデータ） (2021-03-06T09:14:30Z)

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。