論文の概要: RFM-HRI : A Multimodal Dataset of Medical Robot Failure, User Reaction and Recovery Preferences for Item Retrieval Tasks
- arxiv url: http://arxiv.org/abs/2603.05641v1
- Date: Thu, 05 Mar 2026 19:52:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.958807
- Title: RFM-HRI : A Multimodal Dataset of Medical Robot Failure, User Reaction and Recovery Preferences for Item Retrieval Tasks
- Title（参考訳）: RFM-HRI : 項目検索作業における医療ロボットの故障, ユーザ反応, 回復条件のマルチモーダルデータセット
- Authors: Yashika Batra, Giuliano Pioldi, Promise Ekpo, Arman Sayatqyzy, Purnjay Maruur, Shalom Otieno, Kevin Ching, Angelique Taylor,
- Abstract要約: 本研究は,(1)公開型マルチモーダルデータセット(RFM-HRI),(2)異なる障害タイプに対するユーザ応答の分析,(3)安全クリティカルな障害回復に影響を及ぼすような回復戦略の体系的比較を可能にするクラッシュカート検索シナリオに寄与する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While robots deployed in real-world environments inevitably experience interaction failures, understanding how users respond through verbal and non-verbal behaviors remains under-explored in human-robot interaction (HRI). This gap is particularly significant in healthcare-inspired settings, where interaction failures can directly affect task performance and user trust. We present the Robot Failures in Medical HRI (RFM-HRI) Dataset, a multimodal dataset capturing dyadic interactions between humans and robots embodied in crash carts, where communication failures are systematically induced during item retrieval tasks. Through Wizard-of-Oz studies with 41 participants across laboratory and hospital settings, we recorded responses to four failure types (speech, timing, comprehension, and search) derived from three years of crash-cart robot interaction data. The dataset contains 214 interaction samples including facial action units, head pose, speech transcripts, and post-interaction self-reports. Our analysis shows that failures significantly degrade affective valence and reduce perceived control compared to successful interactions. Failures are strongly associated with confusion, annoyance, and frustration, while successful interactions are characterized by surprise, relief, and confidence in task completion. Emotional responses also evolve across repeated failures, with confusion decreasing and frustration increasing over time. This work contributes (1) a publicly available multimodal dataset (RFM-HRI), (2) analysis of user responses to different failure types and preferred recovery strategies, and (3) a crash-cart retrieval scenario enabling systematic comparison of recovery strategies with implications for safety-critical failure recovery. Our findings provide a foundation for failure detection and recovery methods in embodied HRI.
- Abstract（参考訳）: 現実の環境で展開されたロボットは、必然的に対話の失敗を経験するが、人間のロボットインタラクション(HRI)では、ユーザが言語的および非言語的行動を通じてどのように反応するかを理解することは、まだ未解明のままである。
このギャップは特に、インタラクション障害がタスクのパフォーマンスとユーザの信頼に直接影響を与える、医療にインスパイアされた設定において重要である。
本稿では,医療用HRIにおけるロボット故障(RFM-HRI)データセットについて述べる。
Wezard-of-Oz study with41 participants across lab and hospital settings, we recorded response to four failure types (speech, timing, comprehension, search) from three years of crash-cart robot interaction data。
データセットには、214のインタラクションサンプルが含まれており、顔アクションユニット、ヘッドポーズ、音声書き起こし、および後アクションの自己レポートが含まれる。
分析の結果, 障害は感情価を著しく低下させ, 良好な相互作用に比べて認知制御を低下させることがわかった。
失敗は混乱、不快感、フラストレーションと強く結びついているが、成功している相互作用は驚き、安心感、そしてタスク完了に対する自信によって特徴づけられる。
情動反応は繰り返し失敗して進化し、混乱は減少し、時間の経過とともにフラストレーションが増大する。
本研究は,(1)公開マルチモーダルデータセット(RFM-HRI),(2)異なる障害タイプに対するユーザ応答の分析,(3)安全クリティカルな障害回復に影響を及ぼすような回復戦略の体系的比較を可能にするクラッシュカート検索シナリオに寄与する。
本研究は,HRIの故障検出と回復法の基礎となるものである。
関連論文リスト
- AgentEHR: Advancing Autonomous Clinical Decision-Making via Retrospective Summarization [28.032865974227875]
RetroSumは、レトロスペクティブの要約メカニズムと進化するエクスペリエンス戦略を統合するフレームワークである。
競争ベースラインよりも29.16%のパフォーマンス向上を実現し、全体のインタラクションエラーを92.3%まで大幅に削減した。
論文 参考訳（メタデータ） (2026-01-20T12:48:04Z) - Towards Affect-Adaptive Human-Robot Interaction: A Protocol for Multimodal Dataset Collection on Social Anxiety [0.127561562669417]
社会的不安は、対人関係や社会的機能に影響を及ぼす一般的な状態である。
人工知能と社会ロボティクスの最近の進歩は、人間とロボットの相互作用の文脈における社会的不安を調べる新たな機会を提供する。
社会的不安に関連する感情状態や行動の正確な検出には、マルチモーダルデータセットが必要である。
本稿では,人間とロボットのインタラクションコンテキストにおける社会的不安を反映したマルチモーダルデータセット収集プロトコルを提案する。
論文 参考訳（メタデータ） (2025-11-17T16:03:33Z) - HHI-Assist: A Dataset and Benchmark of Human-Human Interaction in Physical Assistance Scenario [63.77482302352545]
HHI-Assist(ヒヒ・アシスト)は、人間の介助作業における人間のインタラクションのモーションキャプチャークリップからなるデータセットである。
私たちの研究は、ロボット支援ポリシーを大幅に強化する可能性がある。
論文 参考訳（メタデータ） (2025-09-12T09:38:17Z) - 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) - 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) - AutoRG-Brain: Grounded Report Generation for Brain MRI [57.22149878985624]
放射線学者は、大量の画像を日々のベースで解釈し、対応するレポートを生成する責任を負う。
この要求される作業負荷は、人間のエラーのリスクを高め、治療の遅れ、医療費の増加、収益損失、運用上の不効率につながる可能性がある。
地盤自動報告生成(AutoRG)に関する一連の研究を開始した。
このシステムは、脳の構造の明細化、異常の局所化、そしてよく組織化された発見の生成をサポートする。
論文 参考訳（メタデータ） (2024-07-23T17:50:00Z) - Re-mine, Learn and Reason: Exploring the Cross-modal Semantic
Correlations for Language-guided HOI detection [57.13665112065285]
ヒューマンオブジェクトインタラクション(HOI)検出は、コンピュータビジョンの課題である。
本稿では,構造化テキスト知識を組み込んだHOI検出フレームワークを提案する。
論文 参考訳（メタデータ） (2023-07-25T14:20:52Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z)
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。