論文の概要: Not Forgotten: Implementation and Evaluation of a Personalized Episodic Memory for the Humanoid Robot Head Kim

• arxiv url: http://arxiv.org/abs/2607.24190v1
• Date: Mon, 27 Jul 2026 09:11:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.372772
• Title: Not Forgotten: Implementation and Evaluation of a Personalized Episodic Memory for the Humanoid Robot Head Kim
• Title（参考訳）: 忘れられずに:ヒューマノイドロボットKimの個人化エピソードメモリの実装と評価
• Authors: Steve Aschenbrenner, Marcel Heisler, Thomas Sievers, Christian Becker-Asano,
• Abstract要約: 本稿では,LLM制御ダイアログシステムとベクトルベースセマンティック検索を統合した,軽量なエピソードメモリモジュールを提案する。 その結果, エピソード記憶は社会的に有意な増加を示した。 これらの結果は,ヒトとロボットの相互作用を具現化した社会潤滑剤としてエピソード記憶が有効であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Social robots that rely on large language models for conversation are unable to retain information across sessions. This absence of memory violates social expectations, potentially preventing the formation of persistent relationships. This paper presents a lightweight episodic memory module that integrates vector-based semantic retrieval with an LLM-controlled dialog system, deployed on the humanoid robot head Kim. The module employs a hybrid scoring function combining cosine similarity with a memory strength metric to retrieve contextually relevant past interactions and inject them into the generation prompt. The system was evaluated in a within-subjects video-based online study (N = 43) using the Human-Robot Interaction Evaluation Scale (HRIES). Results show that episodic memory significantly increased perceived sociability (d = 0.60, p < .001), with the strongest effects on perceived trustworthiness (d = 0.62) and warmth (d = 0.56). Perceived disturbance remained unchanged (d = 0.00), indicating that the implemented approach to personalized recall did not trigger privacy-related discomfort or uncanny valley effects. These findings suggest that episodic memory serves as a social lubricant in embodied Human-Robot Interaction, enhancing relational quality without eliciting negative affective responses.
• Abstract（参考訳）: 会話のために大きな言語モデルに依存する社会ロボットは、セッション間で情報を保持できない。 この記憶の欠如は社会的期待に反し、永続的な関係の形成を妨げる可能性がある。 本稿では,人型ロボットのKim上に展開するLDM制御ダイアログシステムとベクトルベースセマンティック検索を統合した,軽量なエピソードメモリモジュールを提案する。 このモジュールはコサイン類似度とメモリ強度メトリックを組み合わせたハイブリッドスコアリング機能を使用して、文脈的に関係のある過去の相互作用を検索し、生成プロンプトに注入する。 HRIES(Human-Robot Interaction Evaluation Scale)を用いた動画ベースオンライン研究(N = 43)で評価を行った。 その結果、エピソード記憶は社会性(d = 0.60, p < .001)が有意に増加し、信頼性(d = 0.62)と温かさ(d = 0.56)に強い影響が認められた。 知覚障害は変化せず(d = 0.00)、パーソナライズされたリコールへのアプローチがプライバシーに関する不快感や不愉快な谷効果を引き起こしなかったことを示している。 これらの結果から,情緒的記憶は人間とロボットの相互作用において社会的潤滑剤として機能し,負の感情応答を誘発することなく関係性の品質を高めることが示唆された。

関連論文リスト

• MemoryVLA++: Temporal Modeling via Memory and Imagination in Vision-Language-Action Models [80.70528162709276]
  効果的な制御は過去の相互作用の記憶と将来の状態の想像を必要とするため、ロボット操作には時間モデリングが不可欠である。 本稿では,VLAモデルにメモリと想像力を付与し,ロボット操作のためのフル時間モデリングフレームワークであるMemoryVLA++を提案する。 提案手法は,Libero,SimplerEnv,Mikasa-Robo,Calvin,Libero-Plus,多種多様な実ロボットタスクにまたがって高い性能を実現する。
  論文  参考訳（メタデータ） (2026-06-08T17:59:53Z)
• Face versus Body Tracking for Human-Robot Interaction: An Egocentric Dataset [7.3852311170912905]
  最先端のコンピュータビジョンモデルは、監視や自動運転に非常に最適化されている。 社会ロボットは、人間が跳ね返ったり、お互いを妨害したり、フレームを離れたりといった、異なる自我中心の課題に直面します。 我々は、Furhatロボットを介して収集された、新しい、カスタムアノテーション付きエゴセントリックデータセットを導入し、複雑な社会的ダイナミクスを捉える。
  論文  参考訳（メタデータ） (2026-06-02T14:15:17Z)
• Human-Inspired Context-Selective Multimodal Memory for Social Robots [5.903669314878555]
  記憶は社会的相互作用の基本であり、人間が有意義な過去の経験を思い出し、文脈に基づいて行動に適応することができる。 本稿では,テキストと視覚の両方をキャプチャし,検索するソーシャルロボットのためのコンテキスト選択型マルチモーダルメモリアーキテクチャを提案する。 これらの記憶を個々のユーザと関連付けることで、より自然な対話をソーシャルにパーソナライズすることが可能になる。
  論文  参考訳（メタデータ） (2026-04-13T21:42:40Z)
• ImplicitMemBench: Measuring Unconscious Behavioral Adaptation in Large Language Models [60.14219417402433]
  LLMエージェントの既存のメモリベンチマークは、事実の明示的なリコールを評価するが、意識的な検索なしに、経験が自動的な振る舞いになる暗黙の記憶を見落としている。 IndicitMemBenchは、非宣言的メモリの標準的な認知科学のアカウントから引き出された3つの構造を通して暗黙的メモリを評価する最初の体系的なベンチマークである。 当社の300イテムスイートでは,初動採点を備えたLearning/Priming-Interfere-Testプロトコルを統一しています。
  論文  参考訳（メタデータ） (2026-04-09T10:26:32Z)
• OP-Bench: Benchmarking Over-Personalization for Memory-Augmented Personalized Conversational Agents [55.27061195244624]
  オーバーパーソナライゼーションを3つのタイプに分類する。 エージェントは不要な場合でも、ユーザメモリを取得およびオーバーアタッチする傾向があります。 我々の研究は、メモリ拡張対話システムにおいて、より制御可能で適切なパーソナライズに向けた最初の一歩を踏み出した。
  論文  参考訳（メタデータ） (2026-01-20T08:27:13Z)
• A Multimodal Neural Network for Recognizing Subjective Self-Disclosure Towards Social Robots [3.786116485837376]
  我々は、感情認識文献のモデルに基づく、カスタムマルチモーダルアテンションネットワークを開発する。 我々は,新たな損失関数であるクロスエントロピー損失の尺度を構築し,この問題の分類版と回帰版の両方を改善した。
  論文  参考訳（メタデータ） (2025-08-14T16:50:51Z)
• MADial-Bench: Towards Real-world Evaluation of Memory-Augmented Dialogue Generation [15.64077949677469]
  メモリ拡張対話システム(MADS)の有効性を評価するための新しいメモリ拡張対話ベンチマーク(MADail-Bench)を提案する。 このベンチマークは2つのタスクを別々に評価する: メモリ検索とメモリ認識は、パッシブとプロアクティブの両方のメモリリコールデータを組み込んだものである。 このベンチマークにおける最先端の埋め込みモデルと大規模言語モデルの結果は、さらなる進歩の可能性を示している。
  論文  参考訳（メタデータ） (2024-09-23T17:38:41Z)
• Leveraging Implicit Feedback from Deployment Data in Dialogue [83.02878726357523]
  本研究では,ユーザ間の自然な対話とデプロイモデルから学習することで,社会的会話エージェントの改善について検討する。 我々は、ユーザ応答長、感情、未来の人間の発話の反応などの信号を、収集された対話エピソードで活用する。
  論文  参考訳（メタデータ） (2023-07-26T11:34:53Z)

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。