論文の概要: How Do We Research Human-Robot Interaction in the Age of Large Language Models? A Systematic Review

• arxiv url: http://arxiv.org/abs/2602.15063v1
• Date: Fri, 13 Feb 2026 13:55:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.495605
• Title: How Do We Research Human-Robot Interaction in the Age of Large Language Models? A Systematic Review
• Title（参考訳）: 大規模言語モデルにおける人間とロボットの相互作用に関する研究 : 体系的レビュー
• Authors: Yufeng Wang, Yuan Xu, Anastasia Nikolova, Yuxuan Wang, Jianyu Wang, Chongyang Wang, Xin Tong,
• Abstract要約: 大規模言語モデル(LLM)は人間-ロボット相互作用(HRI)の分野を根本的に変えつつある PRISMAガイドラインに従って系統的な文献検索を行い,包括的基準を満たした86項目を同定した。 その結果,1)LLMは,ロボットがコンテキストを知覚し,社会的基盤を持つ相互作用を発生させ,人間のニーズとの連続的な整合性を維持することによって,HRIの基礎を変容させつつあること,2)LLM駆動型HRIの異なる側面に焦点を絞った研究を中心に,主に探索的な研究が行われていること,などが判明した。
• 参考スコア（独自算出の注目度）: 25.744333061791284
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Advances in large language models (LLMs) are profoundly reshaping the field of human-robot interaction (HRI). While prior work has highlighted the technical potential of LLMs, few studies have systematically examined their human-centered impact (e.g., human-oriented understanding, user modeling, and levels of autonomy), making it difficult to consolidate emerging challenges in LLM-driven HRI systems. Therefore, we conducted a systematic literature search following the PRISMA guideline, identifying 86 articles that met our inclusion criteria. Our findings reveal that: (1) LLMs are transforming the fundamentals of HRI by reshaping how robots sense context, generate socially grounded interactions, and maintain continuous alignment with human needs in embodied settings; and (2) current research is largely exploratory, with different studies focusing on different facets of LLM-driven HRI, resulting in wide-ranging choices of experimental setups, study methods, and evaluation metrics. Finally, we identify key design considerations and challenges, offering a coherent overview and guidelines for future research at the intersection of LLMs and HRI.
• Abstract（参考訳）: 大規模言語モデル(LLM)の進歩は、人間とロボットの相互作用(HRI)の分野を大きく変えつつある。 これまでの研究は、LLMの技術的可能性を強調してきたが、人間中心の影響(例えば、人間指向の理解、ユーザモデリング、自律性レベル)を体系的に検討する研究はほとんどなく、LLM駆動型HRIシステムにおける新たな課題の統合を困難にしている。 そこでPRISMAガイドラインに従って系統的な文献検索を行い,包括的基準を満たした86項目を同定した。 その結果,(1)LLMは,ロボットがコンテキストを感知し,社会的に基盤となる相互作用を発生し,人間のニーズとの連続的な整合性を維持することによって,HRIの基礎を変容させ,(2)LLM駆動型HRIの異なる側面に着目した研究が主に探索的であり,その結果,実験装置,研究方法,評価指標の幅広い選択がもたらされることがわかった。 最後に,LLMとHRIの交差点における今後の研究のコヒーレントな概要とガイドラインを提供する。

関連論文リスト

• Before and After ChatGPT: Revisiting AI-Based Dialogue Systems for Emotional Support [8.364657957347623]
  メンタルヘルスは依然として主要な公衆衛生上の問題であり、タイムリーな心理的サポートへのアクセスは限られている。 大規模言語モデル(LLM)の最近の進歩は、この研究領域を大きく変えた。 本研究は、メンタルヘルスのためのAI駆動対話システムの技術的進化を概観する。
  論文  参考訳（メタデータ） (2026-03-13T14:52:44Z)
• The Emergence of Social Science of Large Language Models [0.8582203861502194]
  大規模言語モデル(LLM)の社会科学は、これらのシステムがマインドアトリビューションを誘発し、相互に相互作用し、人間の活動や制度を変革する方法について考察する。 社会心としてのLLMは、モデルが認知、道徳、偏見の帰属を示す行動を示し、テスト漏れや表面の手がかりのような課題に対処するかどうかを調査する。 ヒューマンインタラクションとしてのLLMは、LLMがタスク、学習、信頼、仕事、ガバナンスをどのように作り変え、ヒューマンAIインターフェースでリスクが生じるかを調べる。
  論文  参考訳（メタデータ） (2025-09-29T14:55:14Z)
• Inverse Reinforcement Learning Meets Large Language Model Post-Training: Basics, Advances, and Opportunities [62.05713042908654]
  本稿では,逆強化学習(IRL)のレンズによる大規模言語モデル(LLM)のアライメントの進歩について概観する。 我々は、人間のデータからニューラル報酬モデルを構築する必要性を強調し、このパラダイムシフトの形式的および実践的意味について議論する。
  論文  参考訳（メタデータ） (2025-07-17T14:22:24Z)
• Large Language Model Psychometrics: A Systematic Review of Evaluation, Validation, and Enhancement [16.608577295968942]
  本稿は, LLM心理学の新しい学際分野について紹介し, 合成する。 心理学は人格、価値観、知性といった人間の心理学の無形側面を定量化する。 最終的にこのレビューは、人間レベルのAIに合わせて将来の評価パラダイムを開発するための実用的な洞察を提供する。
  論文  参考訳（メタデータ） (2025-05-13T05:47:51Z)
• A Survey of Frontiers in LLM Reasoning: Inference Scaling, Learning to Reason, and Agentic Systems [93.8285345915925]
  推論(Reasoning)は、論理的推論、問題解決、意思決定を可能にする基本的な認知プロセスである。 大規模言語モデル(LLM)の急速な進歩により、推論は高度なAIシステムを区別する重要な能力として浮上した。 我々は,(1)推論が達成される段階を定義するレジーム,(2)推論プロセスに関与するコンポーネントを決定するアーキテクチャの2つの側面に沿って既存の手法を分類する。
  論文  参考訳（メタデータ） (2025-04-12T01:27:49Z)
• From Linguistic Giants to Sensory Maestros: A Survey on Cross-Modal Reasoning with Large Language Models [56.9134620424985]
  クロスモーダル推論(CMR)は、より高度な人工知能システムへの進化における重要な能力として、ますます認識されている。 CMRタスクに取り組むためにLLM(Large Language Models)をデプロイする最近のトレンドは、その有効性を高めるためのアプローチの新たな主流となっている。 本調査では,LLMを用いてCMRで適用された現在の方法論を,詳細な3階層分類に分類する。
  論文  参考訳（メタデータ） (2024-09-19T02:51:54Z)
• Retrieval-Enhanced Machine Learning: Synthesis and Opportunities [60.34182805429511]
  検索エンハンスメントは機械学習(ML)の幅広い範囲に拡張できる この研究は、MLの様々な領域の文献を、現在の文献から欠落している一貫した表記で合成することで、このパラダイムの正式なフレームワークであるRetrieval-Enhanced Machine Learning (REML)を導入する。 本研究の目的は、様々な分野の研究者に対して、検索強化モデルの包括的、正式に構造化された枠組みを付与し、学際的な将来の研究を促進することである。
  論文  参考訳（メタデータ） (2024-07-17T20:01:21Z)
• Inadequacies of Large Language Model Benchmarks in the Era of Generative Artificial Intelligence [5.147767778946168]
  我々は、23の最先端のLarge Language Models (LLMs)ベンチマークを批判的に評価する。 私たちの研究は、バイアス、真の推論、適応性、実装の不整合、エンジニアリングの複雑さ、多様性、文化的およびイデオロギー規範の見落としなど、重大な制限を明らかにしました。
  論文  参考訳（メタデータ） (2024-02-15T11:08:10Z)
• Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
  人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。 本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
  論文  参考訳（メタデータ） (2021-10-14T15:14:33Z)

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。