論文の概要: NormAct: A Benchmark for Hidden Social Norm Compliance in Embodied Planning

• arxiv url: http://arxiv.org/abs/2606.27826v1
• Date: Fri, 26 Jun 2026 08:10:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.428737
• Title: NormAct: A Benchmark for Hidden Social Norm Compliance in Embodied Planning
• Title（参考訳）: NormAct: 身体的計画における隠れた社会的ノルムコンプライアンスのベンチマーク
• Abstract要約: 我々は,NormAct(NormAct)を紹介した。 実験では67.3%のケースで明確な目標を達成するが、26.4%で隠れノルムに従う。 我々は、計画に先立ってシーン関連規範を推論するコンテキスト条件付きキュージェネレータであるNormPerceptorを提案する。
• 参考スコア（独自算出の注目度）: 15.111667090272809
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multimodal large language models (MLLMs) are increasingly deployed as embodied planners in egocentric environments, where task success requires not only achieving instructed goals but also acting in socially appropriate ways. While explicit goals may render certain actions optimal, implicit social norms often impose hidden constraints. Existing evaluations typically focus on explicit goal achievement or direct norm knowledge, seldom assessing whether planners can infer and apply these hidden constraints within action sequences. We introduce NormAct, a benchmark for embodied social-norm interactions that evaluates plans on Goal Achievement, Norm Compliance, and overall Task Success. NormAct uniquely embeds hidden norms within ordinary tasks, testing whether models can realize them without explicit instruction. Experiments with state-of-the-art MLLMs (GPT-5.4, Claude Opus 4.7, Gemini 3 Pro) reveal a significant gap: models achieve explicit goals in 67.3\% of cases, but comply with hidden norms in only 26.4\%. Cue-condition experiments indicate that this gap stems not from a lack of general social knowledge, but from challenges in activating and grounding relevant norms in context. To address this, we propose NormPerceptor, a context-conditioned cue generator that infers scene-relevant norms prior to planning, increasing Task Success from 24.2\% to 46.7\%. Our results underscore the importance of enabling embodied agents to proactively detect hidden norms, ground them in visual evidence, and integrate them as action-planning constraints. Our benchmark is publicly available at https://huggingface.co/datasets/Caleb196x/NormAct.
• Abstract（参考訳）: マルチモーダルな大規模言語モデル(MLLM)は、指示された目標を達成するだけでなく、社会的に適切な方法で行動するタスクの成功を必要とするエゴセントリックな環境において、より具体化されたプランナーとして展開される。 明示的なゴールは特定の行動が最適である可能性があるが、暗黙の社会的規範は隠された制約を課すことが多い。 既存の評価は、通常、明確な目標達成または直接的な規範知識に焦点を当て、プランナーがこれらの隠れた制約をアクションシーケンス内に推論し適用できるかどうかをほとんど評価しない。 我々は,目標達成,ノルムコンプライアンス,タスク成功に関する計画を評価する,社会とノームの相互作用を具現化したベンチマークであるNormActを紹介した。 NormActは通常のタスクに隠されたノルムを独自に埋め込み、明示的な命令なしでモデルがそれらを実現するかどうかをテストする。 最先端のMLLM(GPT-5.4、Claude Opus 4.7、Gemini 3 Pro)を用いた実験では、67.3\%のケースで明確な目標を達成するが、26.4\%で隠れノルムに従うという大きなギャップが示されている。 条件条件実験は、このギャップは一般的な社会的知識の欠如ではなく、文脈における関連する規範の活性化と基盤化の課題に由来することを示している。 この問題を解決するために,NormPerceptorを提案する。これはコンテキスト条件付きキュージェネレータで,計画に先立ってシーン関連規範を推測し,タスク成功率を24.2\%から46.7\%に向上させる。 本研究は, 隠れノルムを積極的に検出し, 視覚的証拠に接地し, 行動計画上の制約として統合することの重要性を強調した。 私たちのベンチマークはhttps://huggingface.co/datasets/Caleb196x/NormActで公開されています。

関連論文リスト

• xDailyBench: Benchmarking LLMs on Professional Consultation for Real-Life Problems [57.62172039072062]
  xDailyBenchは、個人生活、ホワイトカラーワーク、学習と研究、ドメイン横断アクティビティなど、51のシナリオにまたがる248の慎重にキュレートされたタスクのベンチマークである。 これらのタスクは、ユーザがAIで実際に完了した、あるいは真に達成することを意図した要求に基づいており、明示的な要件と暗黙的な要件の両方をカバーする、きめ細かいバイナリルーブリックで評価される。 最高のモデルではタスクレベルのスコアが75.6%に達し、すべてのモデルは明示的な要件よりも暗黙的にパフォーマンスが悪く、ギャップは9ポイント以下である。
  論文  参考訳（メタデータ） (2026-09-07T17:30:58Z)
• Grounded Normative Rule Generation with Structured Search [47.28595196084396]
  基底ノルム規則合成(GNRS)として問題を定式化する。 GNRS-SearchはMarkov Chain Monte Carlo(MCMC)サンプリングを利用して、離散5スロットアンドオーグラフ(AOG)を最適化するフレームワークである。 GNRS-Benchは8つのシーンにまたがる116の制御目標にまたがるベンチマークであり、RealCharterBenchは53のリアルなポリシータスクに隠れたソース節で遷移を評価する。
  論文  参考訳（メタデータ） (2026-08-23T05:43:42Z)
• GAIN: A Benchmark for Goal-Aligned Decision-Making of Large Language Models under Imperfect Norms [3.6158033114580683]
  我々は,大規模言語モデルがビジネス目標に対する規範の適合性をどのように評価するかを評価するために設計されたベンチマークを導入する。 目標アライメント、リスク回避、感情/アプリケーション、社会的/権威的影響、個人インセンティブの5つのタイプを定義します。 このベンチマークは、雇用、カスタマーサポート、広告、財務の4つの領域にわたる1200のシナリオで構成されている。
  論文  参考訳（メタデータ） (2026-03-19T04:04:45Z)
• Where Norms and References Collide: Evaluating LLMs on Normative Reasoning [3.8431932182760296]
  ロボットのような身体的エージェントは、コミュニケーションの成功が社会的規範の推論に依存することが多い場所にいる環境で対話する必要がある。 大規模な言語モデル(LLM)がこのような推論をサポートできるかどうかは不明だ。 SNIC(Situated Norms in Context)は,最先端のLCMがNBRRに関連する規範的原則をいかに抽出し,活用できるかを探索する,有能な診断テストベッドである。
  論文  参考訳（メタデータ） (2026-02-03T01:23:22Z)
• Beyond Log Likelihood: Probability-Based Objectives for Supervised Fine-Tuning across the Model Capability Continuum [88.90314335542281]
  確率に基づく目的のファミリーを研究し、異なる条件下での有効性を特徴付ける。 客観的行動を管理する重要な次元、すなわちモデル能力の連続性を明らかにする。 我々の理論的分析は、目的が連続体を横断してどのように取引されるかをさらに解明し、目的をモデル能力に適応するための原則的な基盤を提供する。
  論文  参考訳（メタデータ） (2025-10-01T05:17:47Z)
• Measuring Physical-World Privacy Awareness of Large Language Models: An Evaluation Benchmark [10.645183619391135]
  EAPrivacyは、エンボディエージェントの物理世界のプライバシー意識を定量化するために設計された総合評価ベンチマークである。 EAPrivacyは、4層にわたる手続き的に生成されたシナリオを使用して、エージェントの機密性のあるオブジェクト処理能力のテスト、環境の変化への適応、タスクの実行とプライバシの制約のバランス、社会的規範との矛盾の解決を行う。
  論文  参考訳（メタデータ） (2025-09-27T23:39:56Z)
• SConU: Selective Conformal Uncertainty in Large Language Models [59.25881667640868]
  SconU(Selective Conformal Uncertainity)と呼ばれる新しいアプローチを提案する。 我々は,特定の管理可能なリスクレベルで設定されたキャリブレーションの不確実性分布から,与えられたサンプルが逸脱するかどうかを決定するのに役立つ2つの共形p値を開発する。 我々のアプローチは、単一ドメインと学際的コンテキストの両方にわたる誤発見率の厳密な管理を促進するだけでなく、予測の効率を高める。
  論文  参考訳（メタデータ） (2025-04-19T03:01:45Z)
• EgoNormia: Benchmarking Physical Social Norm Understanding [52.87904722234434]
  EGONORMIAは、安全性、プライバシ、プロキシ、丁寧さ、協力性、コーディネーション/プロアクティビティ、コミュニケーション/レポータビリティの7つの標準カテゴリにまたがる。 我々の研究は、現在の最先端のビジョン言語モデル(VLM)は、堅固な標準理解が欠如していることを示し、EGONORMIAでは最大54%、EGONORMIAでは65%と評価された。
  論文  参考訳（メタデータ） (2025-02-27T19:54:16Z)
• PredictaBoard: Benchmarking LLM Score Predictability [50.47497036981544]
  大きな言語モデル(LLM)は予測不能に失敗することが多い。 これは、安全なデプロイメントを保証する上で、大きな課題となる。 PredictaBoardは,新しいベンチマークフレームワークである。
  論文  参考訳（メタデータ） (2025-02-20T10:52:38Z)
• Moral Stories: Situated Reasoning about Norms, Intents, Actions, and their Consequences [36.884156839960184]
  現代のNLGモデルが社会環境にデプロイされたシステムの行動優先度として機能するかどうかを検討する。 本研究では,「モラルストーリー」という,階層的,分枝的なナラティブのクラウドソーシングデータセットを導入し,基礎的,目標指向の社会推論の研究を行う。
  論文  参考訳（メタデータ） (2020-12-31T17:28:01Z)

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。