論文の概要: A Causal Approach to Predicting and Improving Human Perceptions of Social Navigation Robots

• arxiv url: http://arxiv.org/abs/2603.11290v1
• Date: Wed, 11 Mar 2026 20:39:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.698151
• Title: A Causal Approach to Predicting and Improving Human Perceptions of Social Navigation Robots
• Title（参考訳）: ソーシャルナビゲーションロボットの人間の知覚予測と改善のための因果的アプローチ
• Authors: Maximilian Diehl, Nathan Tsoi, Gustavo Chavez, Karinne Ramirez-Amaro, Marynel Vázquez,
• Abstract要約: Causal Networkは、人々がモバイルロボットの能力をどのように認識し、ナビゲーション中にその意図をどう解釈するかを予測するように設計されている。 低能力ロボット行動の知覚能力は,統計的に83%向上した。
• 参考スコア（独自算出の注目度）: 0.9134244356393665
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As mobile robots are increasingly deployed in human environments, enabling them to predict how people perceive them is critical for socially adaptable navigation. Predicting perceptions is challenging for two main reasons: (1) HRI prediction models must learn from limited data, and (2) the obtained models must be interpretable to enable safe and effective interactions. Interpretability is particularly important when a robot is perceived as incompetent (e.g., when the robot suddenly stops or rotates away from the goal), as it allows the robot to explain its reasoning and identify controllable factors to improve performance, requiring causal rather than associative reasoning. To address these challenges, we propose a Causal Bayesian Network designed to predict how people perceive a mobile robot's competence and how they interpret its intent during navigation. Additionally, we introduce a novel method to improve perceived robot competence employing a combinatorial search, guided by the proposed causal model, to identify better navigation behaviors. Our method enhances interpretability and generates counterfactual robot motions while achieving comparable or superior predictive performance to state-of-the-art methods, reaching an F1-score of 0.78 and 0.75 for competence and intention on a binary scale. To further assess our method's ability to improve the perceived robot competence, we conducted an online evaluation in which users rated robot behaviors on a 5-point Likert scale. Our method statistically significantly increased the perceived competence of low-competent robot behavior by 83%.
• Abstract（参考訳）: 移動ロボットはますます人間環境に配備されるので、人々がどのように認識するかを予測することは、社会的に適応可能なナビゲーションにとって重要である。 1)HRI予測モデルは、限られたデータから学習し、(2)得られたモデルは、安全かつ効果的な相互作用を可能にするために解釈されなければならない。 ロボットが不能であると認識される場合(例えば、ロボットが突然目標から外れたり回転したりするとき)、ロボットはその推論を説明し、制御可能な要因を特定して性能を向上させることを可能にし、連想的推論よりも因果関係を必要とする。 これらの課題に対処するために,移動ロボットの能力がどのように認識され,ナビゲーション中に意図がどう解釈されるかを予測するために設計されたCausal Bayesian Networkを提案する。 さらに,提案する因果関係モデルによって導かれる組合せ探索を用いて,知覚ロボット能力を向上させる新しい手法を導入し,より優れたナビゲーション行動を特定する。 本手法は,2進法の能力と意図のためにF1スコア0.78,0.75に到達しながら,解釈可能性を高め,対物ロボット動作を生成する。 ロボット能力の認知度を向上させる手法の能力を更に評価するために,ユーザが5ポイントのQuatスケールでロボットの動作を評価するオンライン評価を行った。 低能力ロボットの動作能力の認知能力は,統計的に83%向上した。

関連論文リスト

• Robot-R1: Reinforcement Learning for Enhanced Embodied Reasoning in Robotics [55.05920313034645]
  本稿では,ロボット制御に特化して具体的推論を強化するため,強化学習を活用した新しいフレームワークであるRobot-R1を紹介する。 DeepSeek-R1学習アプローチにインスパイアされたRobot-R1は、推論に基づく応答をサンプリングし、より正確な予測につながるものを強化する。 実験の結果,ロボットR1で訓練したモデルは,具体的推論タスクにおいて,SFT法よりも優れていた。
  論文  参考訳（メタデータ） (2025-05-29T16:41:12Z)
• 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)
• Real-time Addressee Estimation: Deployment of a Deep-Learning Model on the iCub Robot [52.277579221741746]
  住所推定は、社会ロボットが人間とスムーズに対話するために必要なスキルである。 人間の知覚スキルにインスパイアされたディープラーニングモデルは、iCubロボットに設計、訓練、デプロイされる。 本研究では,人間-ロボットのリアルタイムインタラクションにおいて,そのような実装の手順とモデルの性能について述べる。
  論文  参考訳（メタデータ） (2023-11-09T13:01:21Z)
• Predicting Human Impressions of Robot Performance During Navigation Tasks [8.01980632893357]
  本研究では,非言語行動手がかりと機械学習技術を用いて,ロボット行動に対する人々の印象を予測する可能性を検討する。 以上の結果から,表情だけでロボット性能の人的印象について有用な情報が得られることが示唆された。 教師付き学習技術は、ほとんどの場合、人間のロボット性能予測よりも優れていたため、有望であった。
  論文  参考訳（メタデータ） (2023-10-17T21:12:32Z)
• 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)
• SACSoN: Scalable Autonomous Control for Social Navigation [62.59274275261392]
  我々は、社会的に邪魔にならないナビゲーションのための政策の訓練方法を開発した。 この反事実的摂動を最小化することにより、共有空間における人間の自然な振る舞いを変えない方法でロボットに行動を促すことができる。 屋内移動ロボットが人間の傍観者と対話する大規模なデータセットを収集する。
  論文  参考訳（メタデータ） (2023-06-02T19:07:52Z)
• Revisiting the Adversarial Robustness-Accuracy Tradeoff in Robot Learning [121.9708998627352]
  近年の研究では、現実的なロボット学習の応用において、対人訓練の効果が公平なトレードオフを起こさないことが示されている。 本研究は,ロボット学習におけるロバストネスと精度のトレードオフを再考し,最近のロバストトレーニング手法と理論の進歩により,現実のロボット応用に適した対人トレーニングが可能かどうかを解析する。
  論文  参考訳（メタデータ） (2022-04-15T08:12:15Z)
• AAAI SSS-22 Symposium on Closing the Assessment Loop: Communicating Proficiency and Intent in Human-Robot Teaming [4.787322716745613]
  ロボットは新しいタスクで予測能力を伝えるにはどうすればいいのか? ロボットは人間の意図や価値観に基づいて、その習熟度基準をどう順応すべきか? 熟練度と意図に基づく相互作用を評価するための基準については合意されていない。
  論文  参考訳（メタデータ） (2022-04-05T18:28:01Z)

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。