論文の概要: "I'm Not Mad, Just Focused'': Understanding Human Emotions in Human-Robot Collaboration

• arxiv url: http://arxiv.org/abs/2605.16816v1
• Date: Sat, 16 May 2026 05:18:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 16:43:04.022657
• Title: "I'm Not Mad, Just Focused'': Understanding Human Emotions in Human-Robot Collaboration
• Title（参考訳）: 「私はマッドじゃない、ただ焦点を合わせている」:人間とロボットのコラボレーションにおける人間感情の理解
• Authors: Seung Chan Hong, Dana Kulić, Leimin Tian,
• Abstract要約: ヒューマンロボットコラボレーション(HRC)のための視覚言語モデル(VLM)に基づく感情認識システムを提案する。 我々はまず,既存のHRCデータセット上の人間のアノテーションと,その意味的・感情的類似性を評価することで,VLM-ERシステムの評価を行った。 協調配送作業におけるサービスロボットを用いたユーザスタディでは,VLM-ERシステムによって推定されるユーザの感情状態に基づいて,ロボットの動作を調節する効果を評価する。
• 参考スコア（独自算出の注目度）: 0.5522626742911786
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human-robot collaboration (HRC) can benefit from robots' abilities to interpret human emotional states. However, current emotion recognition (ER) models in HRC often fall short, particularly due to their reliance on acted datasets and single-modality inputs like facial expressions. We propose a novel vision language model (VLM)-based ER system that leverages contextual understanding to improve emotion interpretation in HRC. We first evaluate the VLM-ER system by assessing its semantic and sentiment similarity with human annotations on an existing HRC dataset. Then, in a user study with a service robot in a collaborative delivery task, we evaluate the effects of modulating the robot's behaviour based on the user's emotional state inferred by the VLM-ER system. The results show that the proposed VLM-ER system achieves higher semantic similarity and positive sentiment alignment with human annotations compared to a baseline convolutional neural network-based system. Further, participants in the user study preferred emotion-adaptive robot behaviour facilitated by the VLM-ER system.
• Abstract（参考訳）: ヒューマンロボットコラボレーション(HRC)は、人間の感情状態を理解するロボットの能力の恩恵を受けることができる。 しかし、現在の感情認識(ER)モデルは、特に行動データセットや表情のような単一モダリティ入力に依存しているため、しばしば不足する。 本研究では,文脈理解を利用した視覚言語モデル(VLM)に基づくERシステムを提案する。 我々はまず,既存のHRCデータセット上の人間のアノテーションと,その意味的・感情的類似性を評価することで,VLM-ERシステムの評価を行った。 そして、協調配送作業におけるサービスロボットを用いたユーザスタディにおいて、VLM-ERシステムによって推定されるユーザの感情状態に基づいて、ロボットの動作を調節する効果を評価する。 提案したVLM-ERシステムは,ベースライン畳み込みニューラルネットワークシステムと比較して,人間のアノテーションと高い意味的類似性と肯定的な感情アライメントを実現する。 さらに、ユーザスタディの参加者は、VLM-ERシステムによって促進される感情適応型ロボットの振る舞いを好んだ。

関連論文リスト

• Robotic Grasping and Placement Controlled by EEG-Based Hybrid Visual and Motor Imagery [64.82869118243723]
  本稿では,脳波に基づく視覚・運動画像(VI/MI)とロボット制御を統合し,リアルタイム・意図駆動型把握・配置を実現するフレームワークを提案する。 このシステムは、BCI駆動のロボット工学の約束に感銘を受けて、オフラインで事前訓練されたデコーダをゼロショットで展開することによって、ニューラルネットワークを物理的制御でブリッジする。
  論文  参考訳（メタデータ） (2026-03-03T17:41:42Z)
• Theory of Mind for Explainable Human-Robot Interaction [11.35521581811494]
  Theory of Mind (ToM) は、ロボットシステムのインタフェースへのユーザフレンドリーなバックエンドとして機能することを目的としている。 XAIは、AIシステムを透明性と解釈し、人間が効果的に理解し、対話できるようにすることを目指している。
  論文  参考訳（メタデータ） (2025-12-29T14:09:05Z)
• MiVLA: Towards Generalizable Vision-Language-Action Model with Human-Robot Mutual Imitation Pre-training [102.850162490626]
  人間のロボットによる相互模倣事前学習による視覚-言語-行動モデルであるMiVLAを提案する。 MiVLAは、最先端のVLAよりも優れた、強力な改良された一般化能力を実現する。
  論文  参考訳（メタデータ） (2025-12-17T12:59:41Z)
• HARMONIC: Cognitive and Control Collaboration in Human-Robotic Teams [2.6627293764668902]
  本稿では,人間ロボットチーム(HRT)に適用された汎用ロボット制御システムと,OntoAgent認知フレームワークを統合した認知ロボティックアーキテクチャについて述べる。 Harmonicはメタ認知、意味のある自然言語通信、HRTの相互信頼開発に必要な説明可能性を備えている。
  論文  参考訳（メタデータ） (2024-09-26T16:48:21Z)
• Comparing Apples to Oranges: LLM-powered Multimodal Intention Prediction in an Object Categorization Task [17.190635800969456]
  本稿では,ロボットとの協調的な対象分類タスクにおいて,人間の意図を推定するために,Large Language Modelsを用いて検討する。 本研究では, ユーザの身振り, 身振り, 表情などの非言語的手がかりを, ユーザの意図を予測するために, 環境状態やユーザの言葉的手がかりと統合する, 新たなマルチモーダルアプローチを提案する。
  論文  参考訳（メタデータ） (2024-04-12T12:15:14Z)
• Data-driven emotional body language generation for social robotics [58.88028813371423]
  社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。 我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。 評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
  論文  参考訳（メタデータ） (2022-05-02T09:21:39Z)
• Multimodal Emotion Recognition using Transfer Learning from Speaker Recognition and BERT-based models [53.31917090073727]
  本稿では,音声とテキストのモダリティから,伝達学習モデルと微調整モデルとを融合したニューラルネットワークによる感情認識フレームワークを提案する。 本稿では,対話型感情的モーションキャプチャー・データセットにおけるマルチモーダル・アプローチの有効性を評価する。
  論文  参考訳（メタデータ） (2022-02-16T00:23:42Z)
• A MultiModal Social Robot Toward Personalized Emotion Interaction [1.2183405753834562]
  本研究では,ロボットインタラクションポリシーを強化するために,強化学習を伴うマルチモーダルヒューマンロボットインタラクション(HRI)フレームワークを実証する。 目標は、ロボットがより自然で魅力的なHRIフレームワークを作れるように、このフレームワークを社会シナリオに適用することだ。
  論文  参考訳（メタデータ） (2021-10-08T00:35:44Z)
• 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)

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。