論文の概要: Model Reconciliation through Explainability and Collaborative Recovery in Assistive Robotics

• arxiv url: http://arxiv.org/abs/2601.06552v3
• Date: Wed, 04 Feb 2026 15:42:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.72441
• Title: Model Reconciliation through Explainability and Collaborative Recovery in Assistive Robotics
• Title（参考訳）: 補助ロボットにおける説明可能性と協調的回復によるモデル再構成
• Authors: Britt Besch, Tai Mai, Jeremias Thun, Markus Huff, Jörn Vogel, Freek Stulp, Samuel Bustamante,
• Abstract要約: 我々は,ロボットと人間のメンタルモデルの違いを予測し,説明するために,大規模言語モデルを利用する。 本フレームワークは,人間にロボットの修正を許すことで,説明後のモデルのばらつきを解決することを目的としている。
• 参考スコア（独自算出の注目度）: 4.666406865641358
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Whenever humans and robots work together, it is essential that unexpected robot behavior can be explained to the user. Especially in applications such as shared control the user and the robot must share the same model of the objects in the world, and the actions that can be performed on these objects. In this paper, we achieve this with a so-called model reconciliation framework. We leverage a Large Language Model to predict and explain the difference between the robot's and the human's mental models, without the need of a formal mental model of the user. Furthermore, our framework aims to solve the model divergence after the explanation by allowing the human to correct the robot. We provide an implementation in an assistive robotics domain, where we conduct a set of experiments with a real wheelchair-based mobile manipulator and its digital twin.
• Abstract（参考訳）: 人間とロボットが一緒に働くときは常に、予期せぬロボットの振る舞いをユーザに説明できることが不可欠である。 特に、共有制御のようなアプリケーションでは、ユーザとロボットは、世界のオブジェクトの同じモデルを共有し、これらのオブジェクト上で実行可能なアクションを共有する必要がある。 本稿では,いわゆるモデル和解フレームワークを用いてこれを実現する。 我々は,ロボットと人間のメンタルモデルの違いを,ユーザの正式なメンタルモデルなしで予測し,説明するために,大規模言語モデルを利用する。 さらに,本フレームワークは,人間にロボットの修正を許すことで,説明後のモデルのばらつきを解決することを目的としている。 我々は,車いすをベースとした移動マニピュレータとそのデジタルツインを用いた一連の実験を行う,補助ロボット領域の実装を提供する。

関連論文リスト

• Autonomous Human-Robot Interaction via Operator Imitation [3.650193138379926]
  我々は、オペレーターデータを模倣するモデルを訓練することで、自律的な対話型ロボットを作成することを提案する。 我々のモデルは人間とロボットの相互作用のデータセットに基づいて訓練されている。 提案手法は,専門家-オペレーターのベースラインに匹敵する,単純で自律的な人間-ロボットの相互作用を可能にする。
  論文  参考訳（メタデータ） (2025-04-03T16:06:44Z)
• Controlling diverse robots by inferring Jacobian fields with deep networks [48.279199537720714]
  自然生物の複雑な構造と多様な機能を反映することは、ロボット工学における長年の課題である。 本稿では,深層ニューラルネットワークを用いてロボットの映像ストリームをバイスモータヤコビアン場にマッピングする手法を提案する。 提案手法は,正確なクローズドループ制御を実現し,各ロボットの因果動的構造を復元する。
  論文  参考訳（メタデータ） (2024-07-11T17:55:49Z)
• Singing the Body Electric: The Impact of Robot Embodiment on User Expectations [7.408858358967414]
  ユーザーはロボットのメンタルモデルを開発し、ロボットとどのような相互作用ができるかを概念化する。 概念化はしばしばロボットとの相互作用の前に形成され、ロボットの物理的デザインを観察することのみに基づいている。 本研究では,ロボットが持つ社会的・身体的能力に対して,ユーザがどのような期待を抱くかを予測するために,ロボットのマルチモーダル機能を利用することを提案する。
  論文  参考訳（メタデータ） (2024-01-13T04:42:48Z)
• ImitationNet: Unsupervised Human-to-Robot Motion Retargeting via Shared Latent Space [9.806227900768926]
  本稿では,ロボットの動きに対する新しいディープラーニング手法を提案する。 本手法では,新しいロボットへの翻訳を容易にする,人間とロボットのペアデータを必要としない。 我々のモデルは、効率と精度の観点から、人間とロボットの類似性に関する既存の研究よりも優れています。
  論文  参考訳（メタデータ） (2023-09-11T08:55:04Z)
• A Capability and Skill Model for Heterogeneous Autonomous Robots [69.50862982117127]
  機能モデリングは、異なるマシンが提供する機能を意味的にモデル化するための有望なアプローチと考えられている。 この貢献は、製造から自律ロボットの分野への能力モデルの適用と拡張の仕方について考察する。
  論文  参考訳（メタデータ） (2022-09-22T10:13:55Z)
• Robots with Different Embodiments Can Express and Influence Carefulness in Object Manipulation [104.5440430194206]
  本研究では,2つのロボットによるコミュニケーション意図による物体操作の知覚について検討する。 ロボットの動きを設計し,物体の搬送時に注意を喚起するか否かを判断した。
  論文  参考訳（メタデータ） (2022-08-03T13:26:52Z)
• 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)
• Joint Mind Modeling for Explanation Generation in Complex Human-Robot Collaborative Tasks [83.37025218216888]
  本稿では,人間とロボットのコラボレーションにおいて,人間のようなコミュニケーションを実現するための新しい説明可能なAI(XAI)フレームワークを提案する。 ロボットは、人間のユーザの階層的なマインドモデルを構築し、コミュニケーションの一形態として自身のマインドの説明を生成する。 その結果,提案手法はロボットの協調動作性能とユーザ認識を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2020-07-24T23:35:03Z)
• Learning Predictive Models From Observation and Interaction [137.77887825854768]
  世界との相互作用から予測モデルを学ぶことで、ロボットのようなエージェントが世界がどのように働くかを学ぶことができる。 しかし、複雑なスキルのダイナミクスを捉えるモデルを学ぶことは大きな課題である。 本研究では,人間などの他のエージェントの観察データを用いて,トレーニングセットを増強する手法を提案する。
  論文  参考訳（メタデータ） (2019-12-30T01:10:41Z)

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。