論文の概要: Reimagining Social Robots as Recommender Systems: Foundations, Framework, and Applications

• arxiv url: http://arxiv.org/abs/2601.19761v1
• Date: Tue, 27 Jan 2026 16:25:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 13:34:28.320694
• Title: Reimagining Social Robots as Recommender Systems: Foundations, Framework, and Applications
• Title（参考訳）: 社会ロボットをレコメンダシステムとして再考する:基礎, 枠組み, 応用
• Authors: Jin Huang, Fethiye Irmak Doğan, Hatice Gunes,
• Abstract要約: 社会ロボットにおけるパーソナライズとは、個々のユーザのニーズや好みを満たすロボットの能力を指す。 既存のアプローチでは、ユーザの好みを包括的に把握することができない。 本稿では,ユーザの好みをモデル化し,パーソナライズされたレコメンデーションを提供するレコメンデーションシステム(RS)の描画を提案する。
• 参考スコア（独自算出の注目度）: 10.149175659152474
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Personalization in social robots refers to the ability of the robot to meet the needs and/or preferences of an individual user. Existing approaches typically rely on large language models (LLMs) to generate context-aware responses based on user metadata and historical interactions or on adaptive methods such as reinforcement learning (RL) to learn from users' immediate reactions in real time. However, these approaches fall short of comprehensively capturing user preferences-including long-term, short-term, and fine-grained aspects-, and of using them to rank and select actions, proactively personalize interactions, and ensure ethically responsible adaptations. To address the limitations, we propose drawing on recommender systems (RSs), which specialize in modeling user preferences and providing personalized recommendations. To ensure the integration of RS techniques is well-grounded and seamless throughout the social robot pipeline, we (i) align the paradigms underlying social robots and RSs, (ii) identify key techniques that can enhance personalization in social robots, and (iii) design them as modular, plug-and-play components. This work not only establishes a framework for integrating RS techniques into social robots but also opens a pathway for deep collaboration between the RS and HRI communities, accelerating innovation in both fields.
• Abstract（参考訳）: 社会ロボットにおけるパーソナライズとは、個々のユーザのニーズや好みを満たすロボットの能力を指す。 既存のアプローチは、ユーザメタデータと過去のインタラクションに基づいてコンテキスト対応の応答を生成するために、大きな言語モデル(LLM)や、ユーザの即時反応からリアルタイムで学習する強化学習(RL)のような適応的な手法に依存するのが一般的である。 しかし、これらのアプローチは、長期的、短期的、きめ細かな側面を含むユーザーの嗜好を包括的に把握するに足りず、それらをランク付けして行動を選択し、対話を積極的にパーソナライズし、倫理的に責任を負う適応を保証するのに役立っている。 本稿では,ユーザの好みをモデル化し,パーソナライズされたレコメンデーションを提供するレコメンデーションシステム(RS)の描画を提案する。 社会ロボットパイプライン全体を通して,RS技術の統合が良好かつシームレスであることを保証するため,我々は,その課題を解決した。 (i)社会ロボットとRSのパラダイムを整合させる。 二 社会ロボットのパーソナライズを高めるための鍵となる技術を特定すること。 (iii)モジュール式のプラグアンドプレイコンポーネントとして設計する。 この研究は、社会ロボットにRS技術を統合するための枠組みを確立するだけでなく、RSとHRIコミュニティの深い協力の道を開き、両分野のイノベーションを加速させる。

関連論文リスト

• Whom to Respond To? A Transformer-Based Model for Multi-Party Social Robot Interaction [4.276453870301421]
  社会ロボットの意思決定プロセスを改善するために,トランスフォーマーを用いたマルチタスク学習フレームワークを提案する。 我々は、視線ずれなどの現実世界の複雑さを捉えた、新しい多人数HRIデータセットを構築した。 本研究は,自然とコンテキストを意識した多人数インタラクションを実現できる社会知能型社会ロボットの開発に寄与する。
  論文  参考訳（メタデータ） (2025-07-15T03:42:14Z)
• A Framework for Adapting Human-Robot Interaction to Diverse User Groups [16.17512394063696]
  適応型ロボットインタラクション(HRI)のための新しいフレームワークを提案する。 私たちの主な貢献は、オープンソースのコードベースを備えた適応型ROSベースのHRIフレームワークの開発です。 このフレームワークは、高度な音声認識と音声活動検出を通じて、自然な相互作用をサポートする。
  論文  参考訳（メタデータ） (2024-10-15T08:16:43Z)
• Constraining Participation: Affordances of Feedback Features in Interfaces to Large Language Models [49.266685603250416]
  大規模言語モデル(LLM)は、コンピュータ、Webブラウザ、ブラウザベースのインターフェースによるインターネット接続を持つ人なら誰でも利用できるようになった。 本稿では,ChatGPTインタフェースの対話型フィードバック機能によって,LLMへのユーザ参加が期待できるかを検討する。
  論文  参考訳（メタデータ） (2024-08-27T13:50:37Z)
• Proceeding of the 1st Workshop on Social Robots Personalisation At the crossroads between engineering and humanities (CONCATENATE) [37.838596863193565]
  本ワークショップは,ロボット工学におけるパーソナライゼーションに関する学際的な議論を提起することを目的としている。 異なる分野の研究者を集結させ、パーソナライズのためのガイドラインを提案することを目的としている。
  論文  参考訳（メタデータ） (2023-07-10T11:11:24Z)
• Principles and Guidelines for Evaluating Social Robot Navigation Algorithms [44.51586279645062]
  社会的ロボットナビゲーションは、動的エージェントとそのロボット行動の適切性に対する認識が関係しているため、評価が難しい。 コントリビューションには、(a)安全性、快適性、妥当性、丁寧さ、社会的能力、エージェント理解、活動性、文脈に対する応答性に関する原則、(b)メトリクスの使用のためのガイドライン、シナリオ、ベンチマーク、データセット、社会ナビゲーションを評価するためのシミュレーター、(c)様々なシミュレーター、ロボット、データセットの結果の比較を容易にするソーシャルナビゲーションメトリクスフレームワークなどが含まれます。
  論文  参考訳（メタデータ） (2023-06-29T07:31:43Z)
• A ROS Architecture for Personalised HRI with a Bartender Social Robot [61.843727637976045]
  BRILLOプロジェクトの目的は、自律的なロボットバーテンダーを作ることだ。 本稿では、異なる社会信号の処理を管理する知覚層と、多人数インタラクションを処理する意思決定層と、腕と顔からなる複雑なロボットの動作を制御する実行層を統合した3層ROSアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-03-13T11:33:06Z)
• A Reference Software Architecture for Social Robots [64.86618385090416]
  我々は社会ロボットが恩恵を受けるかもしれない一連の原則を提案する。 これらの原則は、社会ロボットのためのリファレンスソフトウェアアーキテクチャの設計の基礎にもなっている。
  論文  参考訳（メタデータ） (2020-07-09T17:03:21Z)

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。