論文の概要: Teaching is a Process: The TOSS Framework for Modeling Human Teaching Decisions in Human-Interactive Robot Learning
- arxiv url: http://arxiv.org/abs/2608.21083v1
- Date: Fri, 21 Aug 2026 13:28:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.552657
- Title: Teaching is a Process: The TOSS Framework for Modeling Human Teaching Decisions in Human-Interactive Robot Learning
- Title（参考訳）: 教育はプロセスである:人間対話型ロボット学習における人間の指導決定をモデル化するためのTOSSフレームワーク
- Abstract要約: 人間-ロボット教育の成功は、ロボット処理のニーズと人間の教えの意図の一致を前提としている。
早期・中・後期の学習段階における直感的な204の授業応答を分析した。
我々は,ロボットの動作と人間の指導行動の間の手続きループとして,人間ロボットの教えを概念化する TOSS Framework を紹介する。
- 参考スコア（独自算出の注目度）: 3.3973257699802395
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Successful Human-Robot Teaching assumes alignment between robot processing needs and human teaching intent. To better understand this alignment, this work seeks to uncover the underlying logic that humans intuitively apply when teaching. Through an exploratory, bottom-up study with N=34, participants observing two distinct robot Reinforcement Learning (RL) scenarios, we analyze 204 intuitive teaching responses across early, middle, and late learning phases. Results reveal that teaching decisions consist of a nuanced, interconnected network of Triggers (situational catalysts), Objectives (subjective teaching targets), Signals (communicative acts), and Strategies (high-level governance) in which teachers spontaneously adopt diverse roles, acting as coaches, engineers, or designers and prioritize different objectives. Based on these results, we introduce the TOSS Framework, which conceptualizes Human-Robot teaching as a procedural loop between robot behavior and human teaching actions, in which human teaching decisions are modeled as Trigger-Signal responses modulated by teaching Objectives and Strategies. It provides future research with an openly accessible dataset and a theoretical foundation for a) understanding teaching decisions and b) simulating realistic oracles as well as c) designing human-centered teaching settings and novel robot learning algorithms that go beyond the constraints of current robot learning settings.
- Abstract（参考訳）: 成功している人間ロボット教育は、ロボット処理のニーズと人間の教えの意図の一致を前提としている。
このアライメントをよりよく理解するために、この研究は、人間が教えるときに直感的に適用する基礎となるロジックを明らかにすることを目的としている。
N=34を用いた探索的ボトムアップ研究を通じて,2つの異なるロボット強化学習(RL)シナリオを観察し,早期・中・後期の学習段階における直感的な204の学習応答を分析した。
その結果、教師は、コーチ、エンジニア、デザイナーとして、様々な役割を自発的に採用し、異なる目的を優先する、ニュアンスで相互に連携したトリガー(situationalcatas)、目的(jective teaching target)、信号(communicative act)、戦略(high-level governance)のネットワークで構成されていることが明らかになった。
これらの結果に基づいて,人間-ロボットの学習を,ロボットの行動と人間の指導行動の間の手続きループとして概念化するTOSSフレームワークを紹介し,人間の指導決定を目的と戦略の学習によって変調されたトリガー-シグナル応答としてモデル化する。
オープンアクセス可能なデータセットと理論基盤を将来の研究に提供する。
a) 意思決定と指導を理解すること
b) 現実的な託宣をシミュレートすること
c) 現在のロボット学習設定の制約を超えて、人間中心の教育設定と新しいロボット学習アルゴリズムを設計すること。
関連論文リスト
- Bridging Teacher Expectations and Robot Learning via Coupling Dynamics [1.1724961392643483]
人間ロボット教育の最近のアプローチは、人間の教えとロボット学習の結合に焦点を当てている。
そこで本研究では,人間とロボットの相互作用を,人間教師とロボット学習者との結合ダイナミクスに基づいて分類する手法を提案する。
論文 参考訳（メタデータ） (2026-08-25T02:34:26Z) - Embodied Robot Manipulation in the Era of Foundation Models: Planning and Learning Perspectives [101.22313265304979]
近年のビジョン,言語,マルチモーダル学習の進歩は,ロボット基礎モデルの進歩を加速させている。
本研究は,ロボットの操作をアルゴリズムの観点から検討する。
我々は、近年の学習に基づくアプローチを、高レベルの計画と低レベルの制御の統一的な抽象化の中に整理する。
論文 参考訳（メタデータ） (2025-12-28T16:05:38Z) - On the Effect of Robot Errors on Human Teaching Dynamics [1.7249361224827533]
ロボットエラーの存在と重大さが、人間の教示力学の3次元にどのように影響するかを考察する。
結果は、人々はロボットにエラーを教えるのにより多くの時間を費やす傾向があることを示している。
対話型学習のための効果的なインタフェースを設計するための貴重な洞察を提供する。
論文 参考訳（メタデータ） (2024-09-15T19:02:34Z) - Human-Robot Mutual Learning through Affective-Linguistic Interaction and Differential Outcomes Training [Pre-Print] [0.3811184252495269]
本研究では,感情言語コミュニケーションが人間ロボットの文脈における相互学習にどのように影響するかを検証する。
児童介護のダイナミックスからインスピレーションを得て、私たちの人間とロボットのインタラクションのセットアップは、内部的、ホメオスタティックに制御されたニーズのコミュニケーション方法を学ぶための(シミュレートされた)ロボットで構成されています。
論文 参考訳（メタデータ） (2024-07-01T13:35:08Z) - Real-time Addressee Estimation: Deployment of a Deep-Learning Model on
the iCub Robot [52.277579221741746]
住所推定は、社会ロボットが人間とスムーズに対話するために必要なスキルである。
人間の知覚スキルにインスパイアされたディープラーニングモデルは、iCubロボットに設計、訓練、デプロイされる。
本研究では,人間-ロボットのリアルタイムインタラクションにおいて,そのような実装の手順とモデルの性能について述べる。
論文 参考訳（メタデータ） (2023-11-09T13:01:21Z) - How Do Human Users Teach a Continual Learning Robot in Repeated
Interactions? [7.193217430660011]
我々は、人間が長期にわたって連続学習ロボットを教える方法を理解するために、連続学習に人間中心のアプローチをとる。
我々は,200のセッションで連続学習ロボットと対話する40名の参加者を対象に,対人調査を行った。
本研究で収集したデータの質的,定量的な分析により,個々の利用者の指導スタイルに有意な差異があることが示唆された。
論文 参考訳（メタデータ） (2023-06-30T20:29:48Z) - Stabilizing Contrastive RL: Techniques for Robotic Goal Reaching from Offline Data [96.5899286619008]
自己指導型学習は、制御戦略を学ぶのに必要な人間のアノテーションとエンジニアリングの労力を減らす可能性がある。
我々の研究は、強化学習(RL)自体が自己監督的な問題であることを示す先行研究に基づいている。
コントラスト学習に基づく自己教師付きRLアルゴリズムは,実世界の画像に基づくロボット操作タスクを解くことができることを示す。
論文 参考訳（メタデータ） (2023-06-06T01:36:56Z) - Dexterous Manipulation from Images: Autonomous Real-World RL via Substep
Guidance [71.36749876465618]
本稿では,ユーザが新しいタスクを定義するための"プログラミング不要"なアプローチを提供する,視覚に基づくデクスタラスな操作システムについて述べる。
本システムには,最終タスクと中間タスクを画像例で定義するためのフレームワークが組み込まれている。
実世界における多段階物体操作の4指ロボットハンドラーによる実験結果
論文 参考訳（メタデータ） (2022-12-19T22:50:40Z) - Interpreting Neural Policies with Disentangled Tree Representations [58.769048492254555]
本稿では,コンパクトなニューラルポリシーの解釈可能性について,不整合表現レンズを用いて検討する。
決定木を利用して,ロボット学習における絡み合いの要因を抽出する。
学習したニューラルダイナミクスの絡み合いを計測する解釈可能性指標を導入する。
論文 参考訳（メタデータ） (2022-10-13T01:10:41Z) - An Augmented Reality Platform for Introducing Reinforcement Learning to
K-12 Students with Robots [10.835598738100359]
本研究では,学習の隠れ状態を明らかにする拡張現実(AR)システムを提案する。
本稿では,システムの設計と実装について述べるとともに,今後の2つの方向性について議論する。
論文 参考訳（メタデータ） (2021-10-10T03:51:39Z) - Co-GAIL: Learning Diverse Strategies for Human-Robot Collaboration [51.268988527778276]
本研究では,人間とロボットの協調実験から人間とロボットの協調政策を学習する手法を提案する。
本手法は対話型学習プロセスにおけるヒューマンポリシーとロボットポリシーを協調的に最適化する。
論文 参考訳（メタデータ） (2021-08-13T03:14:43Z)
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。