論文の概要: StARS: Socially Appropriate Robot Actions via a Recommender System-Driven Approach

• arxiv url: http://arxiv.org/abs/2607.21802v1
• Date: Thu, 23 Jul 2026 20:38:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:56.99796
• Title: StARS: Socially Appropriate Robot Actions via a Recommender System-Driven Approach
• Title（参考訳）: StARS:レコメンダシステム駆動アプローチによる社会的に適切なロボット行動
• Abstract要約: 我々は、リコメンデータシステムにインスパイアされた嗜好モデリング問題として、社会的に適切な行動生成を再構成する。 本稿では,協調フィルタリングと学習可能なシーン表現を統合した新しいモデルに依存しないフレームワークStARSを提案する。 社会的に認識された2つのロボットデータセットであるMannersDB+とSocNav1上でStARSを評価し、疎選好フィードバックの下で頑健さを分析した。
• 参考スコア（独自算出の注目度）: 9.290474217180407
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social appropriateness in human-robot interaction (HRI) is not universal: different people can judge the same robot action differently in the same situation. To capture this inter-subject variability, we reformulate socially appropriate action generation as a preference modelling problem inspired by recommender systems, treating annotators as users, contexts/scenes as items, and appropriateness scores over a set of candidate robot actions as targets. We propose StARS, a novel model-agnostic framework that integrates collaborative filtering with learnable scene representations to generate user-specific appropriateness scores over candidate robot actions. StARS is model-agnostic: it can be integrated with various scene encoders and backbones, enabling personalisation without redesigning the underlying model. We evaluate StARS on two socially aware robotics datasets, MannersDB+ and SocNav1, and analyse robustness under sparse preference feedback. Across datasets and backbones, StARS consistently improves performance and agreement with annotators, supporting personalised action selection aligned with user norms. Our code is publicly available at https://github.com/Cambridge-AFAR/StARS.git.
• Abstract（参考訳）: 人間とロボットの相互作用(HRI)における社会的適切性は普遍的ではない。 対象間の変動を捉えるため、推薦システムに触発された嗜好モデル問題として社会的に適切な行動生成を再構成し、アノテータをユーザとして扱い、コンテキスト/シーンをアイテムとして扱い、候補となるロボット行動に対して適切なスコアを目標とする。 本研究では,学習可能なシーン表現と協調フィルタリングを統合し,ロボット行動に対するユーザ固有の適切なスコアを生成する新しいモデルに依存しないフレームワークStARSを提案する。 StARSはモデルに依存しない:様々なシーンエンコーダやバックボーンと統合することができ、基礎となるモデルを再設計することなくパーソナライズを可能にする。 社会的に認識された2つのロボットデータセットであるMannersDB+とSocNav1上でStARSを評価し、疎選好フィードバックの下で頑健さを分析した。 データセットとバックボーン全体にわたって、StARSは一貫してアノテータのパフォーマンスとアノテータとの合意を改善し、ユーザノルムに合わせたパーソナライズされたアクション選択をサポートする。 私たちのコードはhttps://github.com/Cambridge-AFAR/StARS.git.comで公開されています。

関連論文リスト

• AnyWorld: Factorized Egocentric World Models for Cross-Embodiment Generalization [88.25615187835321]
  我々は,クロス・エボディメント・ワールド・モデリング・フレームワークであるAnyWorldを提案する。 私たちのモデルは、アクション、カメラ、エンボディメントへのインタラクションを分解します。 大規模なヒューマンインタラクション事前トレーニングでモデルをトレーニングする。
  論文  参考訳（メタデータ） (2026-08-29T12:55:15Z)
• The Embodiment Gap in Robot Foundation Models [7.90590547085857]
  ロボット工学では、モデルは特定の身体を持つロボットで動く前に作業が残っている間、一般化することができる。 我々は、再利用可能なモデル、表現、データ間のギャップと、対象ロボット上での実行におけるそれらの使用を具体化ギャップと呼ぶ。 この調査では、ロボットの体にまたがって再利用できるものや、新しいロボットにまだ実装する必要があるものについて調べる。
  論文  参考訳（メタデータ） (2026-08-19T01:55:04Z)
• How Should I Pick a Foundation Model for My Robot? In Favor of a Community Evaluation Framework for Social Robots [8.113321376993298]
  社会ロボットの基礎モデルの5つの評価次元を同定する。 本稿では、まず一般的なメトリクスでフィルタし、次にシミュレーションされたインタラクションに拡張し、より高価でロボット固有の評価を終了する3層評価ファンネルパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-08-07T07:33:25Z)
• Ego2Robot: Scalable Robot Data Synthesis from Egocentric Human Data [60.94418315274988]
  Ego2Robotは、キュレートされたビデオとインザワイルドのビデオの両方をサポートし、15のロボット形態にまたがる18,561時間のトレーニングデータを生成する。 Ego2Robotの合成データとロボットデータの併用による事前学習は、複数のタイプにわたるアウト・オブ・ディストリビューションの一般化を一貫して改善する。
  論文  参考訳（メタデータ） (2026-08-03T17:52:26Z)
• 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)
• Reimagining Social Robots as Recommender Systems: Foundations, Framework, and Applications [10.149175659152474]
  社会ロボットにおけるパーソナライズとは、個々のユーザのニーズや好みを満たすロボットの能力を指す。 既存のアプローチでは、ユーザの好みを包括的に把握することができない。 本稿では,ユーザの好みをモデル化し,パーソナライズされたレコメンデーションを提供するレコメンデーションシステム(RS)の描画を提案する。
  論文  参考訳（メタデータ） (2026-01-27T16:25:56Z)
• Real-Time Human-Robot Interaction Intent Detection Using RGB-based Pose and Emotion Cues with Cross-Camera Model Generalization [0.8839687029212673]
  公共空間におけるサービスロボットは、自然な相互作用のための人間の行動意図をリアルタイムに理解する必要がある。 モノクラーRGBビデオから抽出した2次元骨格ポーズと顔の感情特徴を融合したフレーム精度の人-ロボットインタラクション意図検出のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-18T08:44:22Z)
• Action Flow Matching for Continual Robot Learning [54.10050120844738]
  ロボット工学における継続的な学習は、変化する環境やタスクに常に適応できるシステムを求める。 本稿では,オンラインロボット力学モデルアライメントのためのフローマッチングを利用した生成フレームワークを提案する。 ロボットは,不整合モデルで探索するのではなく,行動自体を変換することで,より効率的に情報収集を行う。
  論文  参考訳（メタデータ） (2025-04-25T16:26:15Z)
• Promptable Behaviors: Personalizing Multi-Objective Rewards from Human Preferences [53.353022588751585]
  本稿では,ロボットエージェントの多種多様な嗜好に対する効率的なパーソナライズを促進する新しいフレームワークであるPromptable Behaviorsを紹介する。 我々は、異なるタイプの相互作用を活用することによって、人間の嗜好を推測する3つの異なる方法を紹介した。 本稿では,ProcTHOR と Robothor のナビゲーションタスクをパーソナライズしたオブジェクトゴールナビゲーションおよびエスケープナビゲーションタスクにおいて,提案手法の評価を行う。
  論文  参考訳（メタデータ） (2023-12-14T21:00:56Z)
• CARPE-ID: Continuously Adaptable Re-identification for Personalized Robot Assistance [16.948256303861022]
  今日のHuman-Robot Interaction(HRI)のシナリオでは、ロボットが最も近い個人と協力する必要があると仮定する傾向が一般的である。 連続的な視覚適応技術に基づく人物識別モジュールを提案する。 実験室環境におけるビデオ記録と,移動ロボットによるHRIシナリオを用いて,このフレームワークを単体でテストする。
  論文  参考訳（メタデータ） (2023-10-30T10:24:21Z)
• 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)
• Proceeding of the 1st Workshop on Social Robots Personalisation At the crossroads between engineering and humanities (CONCATENATE) [37.838596863193565]
  本ワークショップは,ロボット工学におけるパーソナライゼーションに関する学際的な議論を提起することを目的としている。 異なる分野の研究者を集結させ、パーソナライズのためのガイドラインを提案することを目的としている。
  論文  参考訳（メタデータ） (2023-07-10T11:11:24Z)
• Continuous ErrP detections during multimodal human-robot interaction [2.5199066832791535]
  我々は,シミュレーションロボットが音声やジェスチャーを通じて人間とコミュニケーションする,マルチモーダルなヒューマンロボットインタラクション(HRI)シナリオを実装した。 人間のパートナーは、ロボットが選択した動作(ポインティングジェスチャー)とロボットの口頭発表(意図)が一致しているかを評価する。 脳波で明らかな、人間によるロボット行動の本質的な評価は、リアルタイムで記録され、オンラインで連続的にセグメンテーションされ、非同期に分類された。
  論文  参考訳（メタデータ） (2022-07-25T15:39:32Z)
• 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)

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。