論文の概要: Charting the Growth of Social-Physical HRI (spHRI): A Systematic Review Pipeline Augmented by Small Language Models

• arxiv url: http://arxiv.org/abs/2606.26382v1
• Date: Wed, 24 Jun 2026 21:09:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.082536
• Title: Charting the Growth of Social-Physical HRI (spHRI): A Systematic Review Pipeline Augmented by Small Language Models
• Title（参考訳）: 社会物理学的HRI(spHRI)の成長のグラフ化 : 小言語モデルによる体系的レビューパイプライン
• Abstract要約: 社会物理学的人間とロボットの相互作用(spHRI)は、ロボット工学、人間とコンピュータの相互作用、人間とロボットの相互作用、ハプティクスで急速に成長している。 スモールランゲージモデル (SLM) が, 大規模なspHRIシステムレビューにおいて, タイトルと抽象的なスクリーニングを支援することができる範囲について検討した。
• 参考スコア（独自算出の注目度）: 0.45880283710344055
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social-physical human-robot interaction (spHRI) has grown rapidly across robotics, human-computer interaction, human-robot interaction, and haptics. Yet, fragmented terminology and inconsistent methodologies make systematic synthesis difficult. To support scalable review practices, we evaluated the extent to which small language models (SLMs; < 1.5B parameters) can assist with title and abstract screening for a large spHRI systematic review. While no SLMs matched human reviewers' performance, the models operated locally and screened papers orders of magnitude faster. The combined SLM ensemble identified 39 papers reviewers missed, representing 10.29% of the final relevant dataset. These results demonstrate that SLMs can augment, rather than replace, expert reviewers and make large-scale literature reviews accessible and sustainable.
• Abstract（参考訳）: 社会物理学的人間とロボットの相互作用(spHRI)は、ロボット工学、人間とコンピュータの相互作用、人間とロボットの相互作用、ハプティクスで急速に成長している。 しかし、断片化された用語と一貫性のない方法論は体系的な合成を困難にしている。 本研究では,小規模言語モデル (SLM; < 1.5B パラメータ) が,大規模なspHRIシステムレビューにおいてタイトルと抽象的なスクリーニングを支援することができる範囲を,スケーラブルなレビュープラクティスをサポートするために評価した。 SLMは人間のレビュアーのパフォーマンスと一致しなかったが、モデルはローカルで運用され、書類の表示は桁違いに速くなった。 統合されたSLMアンサンブルでは39の論文レビュアーが欠落し、最後の関連するデータセットの10.29%を占めた。 これらの結果から,SLMは専門家レビュアーを置き換えるのではなく,大規模文献レビュアーをアクセスし,持続可能なものにすることができることが示された。

関連論文リスト

• AgentSLR: Automating Systematic Literature Reviews in Epidemiology with Agentic AI [10.216500161437777]
  大規模言語モデルが完全な体系的レビューワークフローを自動化できるかを検討する。 WHOが指定した9つの優先病原菌の疫学的レビューを応用し、我々のパイプラインは人間の研究者に匹敵する性能を達成する。
  論文  参考訳（メタデータ） (2026-03-20T17:11:58Z)
• Pitfalls in Evaluating Interpretability Agents [91.49742416116635]
  我々は,実験を反復的に設計し,仮説を洗練するエージェントシステムを構築した。 我々の研究は、複雑な自動解釈可能性システムを評価する上での根本的な課題を実証している。
  論文  参考訳（メタデータ） (2026-03-20T16:27:17Z)
• Evaluating Zero-Shot and One-Shot Adaptation of Small Language Models in Leader-Follower Interaction [1.3511057160494195]
  リーダー-フォロワー相互作用は人間-ロボット相互作用(HRI)において重要なパラダイムである 小言語モデル(SLM)は潜在的な代替手段を提供するが、HRIにおける役割分類の有効性は体系的に評価されていない。
  論文  参考訳（メタデータ） (2026-02-26T18:20:26Z)
• Ontological grounding for sound and natural robot explanations via large language models [6.358448988089591]
  本稿では,オントロジーに基づく推論と大規模言語モデル(LLM)を融合したハイブリッドフレームワークを提案する。 オントロジーは論理的一貫性とドメインの基底を保証するが、LLMは流動的でコンテキスト対応で適応的な言語生成を提供する。 我々は,静的コントラストに基づく物語の検索と構築のための最先端のアルゴリズムをLLMエージェントと統合し,簡潔で明瞭で対話的な説明を生成する。
  論文  参考訳（メタデータ） (2026-02-14T14:23:11Z)
• How Do We Research Human-Robot Interaction in the Age of Large Language Models? A Systematic Review [25.744333061791284]
  大規模言語モデル(LLM)は人間-ロボット相互作用(HRI)の分野を根本的に変えつつある PRISMAガイドラインに従って系統的な文献検索を行い,包括的基準を満たした86項目を同定した。 その結果,1)LLMは,ロボットがコンテキストを知覚し,社会的基盤を持つ相互作用を発生させ,人間のニーズとの連続的な整合性を維持することによって,HRIの基礎を変容させつつあること,2)LLM駆動型HRIの異なる側面に焦点を絞った研究を中心に,主に探索的な研究が行われていること,などが判明した。
  論文  参考訳（メタデータ） (2026-02-13T13:55:43Z)
• Leveraging LLMs for Semi-Automatic Corpus Filtration in Systematic Literature Reviews [5.911820207772152]
  本稿では,複数の大規模言語モデル(LLM)を活用し,記述的プロンプトに基づいて論文を分類し,共同で決定するパイプラインを提案する。 プロセス全体は、オープンソースのビジュアルアナリティクスWebインターフェースであるLLMSurverを介して、人間によって管理され、インタラクティブに制御されます。 その結果、パイプラインは、単一アノテータよりもエラー率を低くしながら、手作業を大幅に削減することを示した。
  論文  参考訳（メタデータ） (2025-10-13T13:48:29Z)
• Advancing AI Research Assistants with Expert-Involved Learning [84.30323604785646]
  大規模言語モデル (LLM) と大規模マルチモーダルモデル (LMM) は、生物医学的な発見を促進することを約束するが、その信頼性は未定である。 ARIEL(AI Research Assistant for Expert-in-the-Loop Learning)は,オープンソースの評価・最適化フレームワークである。 LMMは詳細な視覚的推論に苦しむのに対し、最先端のモデルでは流動性はあるが不完全な要約を生成する。
  論文  参考訳（メタデータ） (2025-05-03T14:21:48Z)
• Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
  本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。 まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。 次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
  論文  参考訳（メタデータ） (2023-09-02T00:32:55Z)
• Sentiment Analysis in the Era of Large Language Models: A Reality Check [69.97942065617664]
  本稿では,大規模言語モデル(LLM)の様々な感情分析タスクの実行能力について検討する。 26のデータセット上の13のタスクのパフォーマンスを評価し、ドメイン固有のデータセットに基づいて訓練された小言語モデル(SLM)と比較した。
  論文  参考訳（メタデータ） (2023-05-24T10:45:25Z)
• Large Language Models are Not Yet Human-Level Evaluators for Abstractive Summarization [66.08074487429477]
  抽象的な要約のための自動評価器として,大規模言語モデル(LLM)の安定性と信頼性について検討する。 また、ChatGPTとGPT-4は、一般的に使われている自動測定値よりも優れていますが、人間の代替品として準備ができていません。
  論文  参考訳（メタデータ） (2023-05-22T14:58:13Z)
• TMR: Text-to-Motion Retrieval Using Contrastive 3D Human Motion Synthesis [59.465092047829835]
  我々は、テキストから3次元の人間の動きを抽出する簡単な方法であるTMRを提案する。 提案手法は,最先端のテキスト-モーション合成モデルTEMOSを拡張した。 運動生成損失の維持は、対照的な訓練とともに、優れた性能を得るためには不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-05-02T17:52:41Z)

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。