論文の概要: What Robots Do Matters More Than What They Look Like: Task Context Shapes Trust in Educational HRI

• arxiv url: http://arxiv.org/abs/2606.14602v1
• Date: Fri, 12 Jun 2026 16:23:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.984976
• Title: What Robots Do Matters More Than What They Look Like: Task Context Shapes Trust in Educational HRI
• Title（参考訳）: ロボットは、見た目以上に重要なことをする:教育用HRIのタスクコンテキストが信頼を形作る
• Authors: Anna-Maria Velentza, Konstantina Nikou, Anne-Gwenn Bosser, Nikolaos Fachantidis,
• Abstract要約: 社会支援ロボット(SAR)は、教育と情報共有の文脈にますます多くデプロイされている。 ロボットの外観とタスクタイプがロボットの信頼にどのように影響するかを検討する。
• 参考スコア（独自算出の注目度）: 0.6299766708197883
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Socially assistive robots (SARs) are increasingly deployed in educational and information-sharing contexts, supported by advances in large language models that enable fluent real-time interaction. Despite the growing diversity of robot embodiments, it remains unclear whether a single robot appearance is appropriate across different interaction tasks or whether trust depends primarily on contextual factors. In this study, we examine how robot appearance and task type jointly influence trust in robots. Using a within-subjects video-based experiment (N = 81), participants evaluated three robots with distinct appearances while performing three educationally relevant tasks: teaching, procedural instruction, and personal-information discussion. Results from repeated-measures analyses show a strong main effect of task on trust, with participants reporting the highest trust during instructional guidance, moderate trust during teaching activities, and significantly lower trust when robots requested personal information. In contrast, robot appearance showed no significant main effect, and the interaction between appearance and task was marginal. These findings suggest that trust in human-robot interaction is shaped more strongly by task context than by physical embodiment alone. By focusing on future educators as end users, this work contributes empirical evidence toward task-aware robot deployment in educational environments and highlights the importance of aligning robot roles and behaviors with interaction goals rather than relying solely on anthropomorphic design.
• Abstract（参考訳）: 社会支援型ロボット(SAR)は、学習と情報共有の文脈にますます多くデプロイされ、より豊かなリアルタイムインタラクションを可能にする大規模言語モデルの進歩によって支援されている。 ロボットエボディメントの多様性が増大しているにもかかわらず、単一のロボットの外観が異なる相互作用タスクで適切かどうか、あるいは信頼が主にコンテキスト要因に依存しているかどうかは不明だ。 本研究では,ロボットの外観とタスクタイプがロボットの信頼にどのように影響するかを検討する。 被験者は、動画ベース実験(N = 81)を用いて、異なる外観の3つのロボットを評価し、教育的に関係のある3つのタスク(教示、手続き的指導、個人情報の議論)を実行した。 反復測定分析の結果,指導指導時の信頼度が高いこと,教示時の信頼度が高いこと,ロボットが個人情報を要求した場合の信頼度が著しく低いこと,などの信頼感に対するタスクの強い影響が示された。 一方,ロボットの外観には顕著な影響はなく,外見とタスクの相互作用は限界であった。 これらの結果から,人間とロボットの相互作用に対する信頼は,物理的実施のみによるよりも,タスクコンテキストによって強く形成されていることが示唆された。 エンドユーザーとしての将来の教育者に焦点を当てることで、この研究は、ヒューマンモーフィックデザインにのみ依存するのではなく、ロボットの役割と行動とを相互作用目標と整合させることの重要性を強調し、タスク対応ロボットの教育環境への展開に関する実証的な証拠を提供する。

関連論文リスト

• Human-Robot Mutual Learning through Affective-Linguistic Interaction and Differential Outcomes Training [Pre-Print] [0.3811184252495269]
  本研究では,感情言語コミュニケーションが人間ロボットの文脈における相互学習にどのように影響するかを検証する。 児童介護のダイナミックスからインスピレーションを得て、私たちの人間とロボットのインタラクションのセットアップは、内部的、ホメオスタティックに制御されたニーズのコミュニケーション方法を学ぶための(シミュレートされた)ロボットで構成されています。
  論文  参考訳（メタデータ） (2024-07-01T13:35:08Z)
• 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)
• "Do it my way!": Impact of Customizations on Trust perceptions in Human-Robot Collaboration [0.8287206589886881]
  補助ロボットのパーソナライゼーションは,ロボットの採用やユーザ認知と正の相関関係にある。 以上の結果から,カスタマイズ度の増加は高い信頼感と快適感に結びついていることが示唆された。
  論文  参考訳（メタデータ） (2023-10-28T19:31:40Z)
• HandMeThat: Human-Robot Communication in Physical and Social Environments [73.91355172754717]
  HandMeThatは、物理的および社会的環境における命令理解とフォローの総合評価のためのベンチマークである。 HandMeThatには、人間とロボットの対話の1万エピソードが含まれている。 オフラインとオンラインの強化学習アルゴリズムはHandMeThatでは性能が良くないことを示す。
  論文  参考訳（メタデータ） (2023-10-05T16:14:46Z)
• Human-oriented Representation Learning for Robotic Manipulation [64.59499047836637]
  人間は本質的に、操作作業において環境を効率的に探索し、相互作用することを可能にする、一般化可能な視覚表現を持っている。 我々は、このアイデアを、事前訓練された視覚エンコーダの上に、人間指向のマルチタスク微調整のレンズを通してフォーマル化する。 我々のタスクフュージョンデコーダは、下流操作ポリシー学習のための最先端の3つのビジュアルエンコーダの表現を一貫して改善する。
  論文  参考訳（メタデータ） (2023-10-04T17:59:38Z)
• Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement Learning [54.636562516974884]
  模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。 本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。 ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
  論文  参考訳（メタデータ） (2023-03-02T18:51:38Z)
• Cognitive architecture aided by working-memory for self-supervised multi-modal humans recognition [54.749127627191655]
  人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。 ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。 1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
  論文  参考訳（メタデータ） (2021-03-16T13:50:24Z)
• Impact of Explanation on Trust of a Novel Mobile Robot [1.603423221531441]
  期待されるロボット動作の説明の存在は、自律ロボットに対する監督者の信頼に影響を及ぼした。 調査を通じて主観的および客観的に信頼度を測定した。
  論文  参考訳（メタデータ） (2021-01-26T14:36:26Z)
• 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。