論文の概要: Toward Personalized Social Robots for Child Well-being: Data Requirement Principles from a Recommender-System Perspective

• arxiv url: http://arxiv.org/abs/2607.05110v1
• Date: Mon, 06 Jul 2026 14:04:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:30.183325
• Title: Toward Personalized Social Robots for Child Well-being: Data Requirement Principles from a Recommender-System Perspective
• Title（参考訳）: 児童福祉のためのパーソナル化社会ロボットを目指して--レコメンダ-システムの観点からのデータ要求原理
• Authors: Jin Huang, Eric Nichols, Fethiye Irmak Dogan, Hatice Gunes,
• Abstract要約: それぞれの子供に最も適したロボット行動を選択するパーソナライゼーションは、レコメンデーション問題とみなすことができる。 最近提案されたソーシャルロボットのための推薦システムフレームワークは、ユーザのプロファイリング、ランキング、責任あるコンピューティングを通じて原則化されたアプローチを提供する。 モデルを確立することは、モデルではなく、データによってブロックされるため、収集は困難である。
• 参考スコア（独自算出の注目度）: 10.700005353015952
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social robots are increasingly deployed in clinical settings to support the well-being of children, where effective support must be personalized to each child. Personalization, choosing the robot action best suited to each child, can be framed as a recommendation problem, and a recently proposed recommender-system framework for social robots offers a principled approach through user profiling, ranking, and responsible computing. Instantiating it, however, is blocked not by the model but by the data, which is hard to gather. A child's state shifts within and across visits, so no fixed description of the user holds. Within a session, the few signals of whether the robot's actions helped are weak and indirect. Across sessions, children are rarely seen more than once, and anonymization breaks the identity needed to link visits. Because care cannot be randomized, existing data is observational, biased toward whatever was already done. Each is a familiar recommender-system problem, and we propose four data principles in response: an integrated profile, effectiveness signals, linkable coverage, and an exposure record logged at collection time. We identify which of these principles each capability requires, and frame them as concrete guidelines for data collection.
• Abstract（参考訳）: 社会ロボットは、子供たちの幸福を支えるために、ますます臨床環境に展開され、それぞれの子供に効果的な支援をパーソナライズする必要がある。 子どもに最適なロボットアクションを選択するパーソナライゼーションは推奨問題であり、最近提案されたソーシャルロボットのための推奨システムフレームワークは、ユーザのプロファイリング、ランキング、責任あるコンピューティングを通じて原則化されたアプローチを提供する。 しかし、それを検証することは、モデルではなくデータによってブロックされるため、収集は困難である。 子供の状態は訪問中と訪問中を移動するので、ユーザの固定的な記述は保持されない。 セッション内では、ロボットの動作が助けたかどうかの信号は弱く間接的である。 セッション全体を通じて、子供は一度以上見ることはめったになく、匿名化は訪問をリンクするのに必要なアイデンティティを損なう。 ケアはランダム化できないので、既存のデータは観察的であり、すでに行われていることに偏っている。 それぞれがよく知られたレコメンデータシステム問題であり, 統合プロファイル, 有効信号, リンク可能なカバレッジ, コレクション時に記録された露出記録の4つのデータ原理を提案する。 それぞれの能力に必要な原則を特定し、データ収集の具体的なガイドラインとして定めます。

関連論文リスト

• Phantoms and Disclosures: a Causal Framework for Auditing Synthetic Data [56.86147283213652]
  データ開示の検出と説明を目的とした,カスタマイズ可能な実証監査フレームワークを提案する。 本フレームワークでは,ユーザの情報を直接再現する「真の開示」と,ユーザのデータを偶発的に生成する「幻の開示」とを区別する機構を導入する。
  論文  参考訳（メタデータ） (2026-06-15T16:54:02Z)
• The Robot's Inner Critic: Self-Refinement of Social Behaviors through VLM-based Replanning [2.38295275136047]
  CRISP(Critique-and-Replan for Interactive Social Presence)は、ロボットが自身の行動を批判し、再計画する自律的なフレームワークである。 CRISPは,(1)ロボットの記述ファイルを解析して可動関節と制約を抽出する。 ロボットの構造ファイルだけを使って、さまざまなプラットフォーム上で微妙に異なる人間的な動きを生成できる。
  論文  参考訳（メタデータ） (2026-03-20T17:40:21Z)
• RecPS: Privacy Risk Scoring for Recommender Systems [14.700807572189412]
  インタラクションとユーザレベルでのプライバシリスクを測定するために,MIAベースのプライバシスコア手法であるRecPSを提案する。 重要なコンポーネントは相互作用レベルMIAメソッドRecLiRAであり、高品質なメンバシップ推定を提供する。
  論文  参考訳（メタデータ） (2025-07-24T12:46:30Z)
• What Matters to You? Towards Visual Representation Alignment for Robot Learning [81.30964736676103]
  人のために運用する場合、ロボットはエンドユーザーの好みに合わせて報酬を最適化する必要がある。 本稿では、視覚的表現アライメント問題を解決するためのRAPL(Representation-Aligned Preference-based Learning)を提案する。
  論文  参考訳（メタデータ） (2023-10-11T23:04:07Z)
• 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)
• Model Predictive Control for Fluid Human-to-Robot Handovers [50.72520769938633]
  人間の快適さを考慮に入れた計画運動は、人間ロボットのハンドオーバプロセスの一部ではない。 本稿では,効率的なモデル予測制御フレームワークを用いてスムーズな動きを生成することを提案する。 ユーザ数名の多様なオブジェクトに対して,人間とロボットのハンドオーバ実験を行う。
  論文  参考訳（メタデータ） (2022-03-31T23:08:20Z)
• Exosoul: ethical profiling in the digital world [3.6245424131171813]
  Exosoulプロジェクトは、ユーザの道徳的嗜好に応じてデジタル世界でアクションを仲介するパーソナライズされたソフトウェアエクソスケルトンを開発することを目的としている。 このアプローチはハイブリッドで、まずトップダウンの方法でプロファイルを識別し、次にパーソナライズされたデータ駆動のアプローチでプロファイルを洗練する。 我々は倫理的立場(イデオロギーと相対主義)の性格特性(正直・謙虚、良心、マキアベリア主義とナルシシズム)と世界観(ノルマティビズム)の相関を考察する。
  論文  参考訳（メタデータ） (2022-03-30T10:54:00Z)
• Joint Inference of States, Robot Knowledge, and Human (False-)Beliefs [90.20235972293801]
  本稿では,人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)の認知能力が,ロボットとの相互作用にどのように影響するかを理解するために,対象状態,ロボット知識,人間(時間的)の認知能力の表現にグラフィカルモデルを採用することを提案する。 推論アルゴリズムは、複数のビューにまたがる全てのロボットから個別のpgを融合し、単一のビューから発生したエラーを克服するより効果的な推論能力を得る。
  論文  参考訳（メタデータ） (2020-04-25T23:02:04Z)
• Modeling Engagement in Long-Term, In-Home Socially Assistive Robot Interventions for Children with Autism Spectrum Disorders [5.699538935722362]
  この研究は、教師付き機械学習アルゴリズムを用いて、ASDの子供に対する長期的、家庭内SAR介入の文脈におけるユーザエンゲージメントをモデル化する。 ユーザ毎のエンゲージメントモデルとして, (i) 異なるユーザのデータに基づいてトレーニングされた一般化モデル, (ii) ユーザのデータの初期サブセットに基づいてトレーニングされた個別モデルがある。 実世界のHRI設定において,ユーザ・エンゲージメントに対する認識と応答の実現可能性と課題を検証した。
  論文  参考訳（メタデータ） (2020-02-06T18:26:11Z)

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。