Fugu-MT 論文翻訳(概要): Astro, I'm Home! Investigating Factors that Influence the Acceptance of Home Robots Using Supervised Machine Learning

論文の概要: Astro, I'm Home! Investigating Factors that Influence the Acceptance of Home Robots Using Supervised Machine Learning

arxiv url: http://arxiv.org/abs/2606.07551v1
Date: Thu, 21 May 2026 00:04:09 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-21 20:06:24.510797
Title: Astro, I'm Home! Investigating Factors that Influence the Acceptance of Home Robots Using Supervised Machine Learning
Title（参考訳）: アストロ、私は家にいる! 監視された機械学習を用いたホームロボットの受容に影響を与える要因を探る
Authors: Katrin Fischer, Essence Wilson, Steffie Kim, Dmitri Williams,
Abstract要約: 家庭環境における社会ロボットの利用が増加している。パフォーマンスの期待、社会的影響、ヘドニックなモチベーションは、この技術を使用する意図の最も強く一貫性のある予測因子として現れた。
参考スコア（独自算出の注目度）: 1.388281922732496
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The use of social robots in home environments is on the rise. This exploratory study applies regularization techniques (e.g., Lasso and Ridge regression) to investigate variables and identify new models of technology acceptance in the context of social robots. Within the original UTAUT2 framework, performance expectancy, social influence, and hedonic motivation emerged as the strongest and most consistent predictors of intention to use the technology. In addition, usability, trust, and competence were identified as promising variables in a model predicting intention to use.
Abstract（参考訳）: 家庭環境における社会ロボットの利用が増加している。この探索的研究は、変数を調査し、社会ロボットの文脈における新しい技術受容モデルを特定するために、正規化技術(例えば、ラッソとリッジの回帰)を適用した。オリジナルのUTAUT2フレームワークでは、パフォーマンスの期待、社会的影響、およびヘドニックなモチベーションが、この技術を使用する意図の最も強く一貫性のある予測因子として出現した。さらに、使用意図を予測するモデルにおいて、ユーザビリティ、信頼、能力が有望な変数として認識された。

関連論文リスト

A Causal Approach to Predicting and Improving Human Perceptions of Social Navigation Robots [0.9134244356393665]
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。
論文参考訳（メタデータ） (2026-03-11T20:39:11Z)
Few-Shot Inference of Human Perceptions of Robot Performance in Social Navigation Scenarios [1.5415050466360671]
本稿では,大規模言語モデルによる数発の学習機能を活用し,ロボットがユーザのパフォーマンスに対する認識をいかに正確に予測できるかを改善することを提案する。この作業は、ユーザ中心のフィードバックを通じて、スケーラブルな方法でロボットの動作を改善するための道を開く。
論文参考訳（メタデータ） (2025-12-17T23:06:36Z)
Learning Object Properties Using Robot Proprioception via Differentiable Robot-Object Interaction [52.12746368727368]
微分可能シミュレーションは、システム識別の強力なツールとなっている。本手法は,オブジェクト自体のデータに頼ることなく,ロボットからの情報を用いてオブジェクト特性を校正する。低コストなロボットプラットフォームにおける本手法の有効性を実証する。
論文参考訳（メタデータ） (2024-10-04T20:48:38Z)
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)
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)
A General, Evolution-Inspired Reward Function for Social Robotics [0.0]
本稿では,ソーシャルロボティクスにおける強化学習エージェントの展開に必要なリアルタイムかつ高密度な報酬機能を提供するメカニズムとして,ソーシャル・リワード機能を提案する。ソーシャル・リワード・ファンクション(Social Reward Function)は、単純で安定的で文化に依存しない報酬機能を提供することを目的として、人間の遺伝的に与えられた社会的知覚能力を忠実に模倣するように設計されている。
論文参考訳（メタデータ） (2022-02-01T18:05:31Z)
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)
From Learning to Relearning: A Framework for Diminishing Bias in Social Robot Navigation [3.3511723893430476]
社会的ナビゲーションモデルは、差別や差別のような社会的不公平を複製し、促進し、増幅することができる。提案するフレームワークは,安全性と快適性を考慮したソーシャルコンテキストを学習プロセスに組み込んだtextitlearningと,発生前に潜在的に有害な結果を検出し修正するtextitrelearningの2つのコンポーネントで構成されている。
論文参考訳（メタデータ） (2021-01-07T17:42:35Z)

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。