論文の概要: PARAssist: A Framework for Personalized and Adaptive Robotic Assistance from Ambiguous User Requests

• arxiv url: http://arxiv.org/abs/2608.24905v1
• Date: Mon, 20 Jul 2026 19:48:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.337116
• Title: PARAssist: A Framework for Personalized and Adaptive Robotic Assistance from Ambiguous User Requests
• Title（参考訳）: PARAssist: 曖昧なユーザ要求からのパーソナライズされた適応型ロボット支援のためのフレームワーク
• Abstract要約: PARAssistは、サービスロボットにパーソナライズされた方法でリクエストを曖昧にするためのユニークなアーキテクチャである。 PARAssistは、ユーザがロボットから要求したタスクと独立して実行するタスクの要求を対比することにより、ユーザーの支援に対する好みを受動的に学習する。 PARAssistによる実験では、パーソナライゼーションはユーザの以前の支援要求のタスク要求とあいまいさを一致させることができる。
• 参考スコア（独自算出の注目度）: 3.781421673607643
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Service robots may encounter ambiguous user requests that require context-aware inference. Users may also have unique preferences with certain tasks when requesting robotic assistance. We introduce PARAssist (Personalized and Adaptive Robotic Assistance), a unique architecture for disambiguating requests in a personalized manner for service robots. PARAssist utilizes vision-language models to determine the physical and cognitive demands of a user's tasks, and passively learns user preferences for assistance by contrasting the demands of tasks the user performs independently with those they request from the robot. When an ambiguous request is received, task candidates are generated from the history of the user's actions, activities, locations, conversations, and requests, as well as the current user and environment state. Task candidates are then evaluated against the learned user preference model to suggest suitable assistance options. Experiments conducted with PARAssist show that personalization can align disambiguation with the task demands of a user's prior assistance requests. An ablation study confirms the contributions of PARAssist's main components in personalizing disambiguation.
• Abstract（参考訳）: サービスロボットは、コンテキスト対応の推論を必要とするあいまいなユーザリクエストに遭遇する可能性がある。 また、ロボットアシスタントをリクエストする際、特定のタスクで独自の好みを持つこともある。 PARAssist(Personalized and Adaptive Robotic Assistance)は、サービスロボットのパーソナライズされた方法で要求を曖昧にするためのユニークなアーキテクチャである。 PARAssistは視覚言語モデルを用いて、ユーザのタスクの身体的および認知的要求を判断し、ユーザがロボットから要求したタスクと独立して実行するタスクの要求とを対比することにより、支援のためのユーザの嗜好を受動的に学習する。 あいまいな要求が受信されると、現在のユーザおよび環境状態だけでなく、ユーザの行動、活動、場所、会話、要求履歴からタスク候補が生成される。 タスク候補は学習したユーザの好みモデルに対して評価され、適切なアシストオプションが提案される。 PARAssistによる実験では、パーソナライゼーションはユーザの以前の支援要求のタスク要求とあいまいさを一致させることができる。 Ablation study is confirmed the contributions of PARAssist's main components in Personalizing disambiguation。

関連論文リスト

• Turning Intent into Specifications: A Benchmark and an Interactive User-Assistant Agent [22.126763421836966]
  SpecBenchは、エージェントがユーザの意図を構造化された実行可能な仕様に変換する能力を評価するための新しいベンチマークである。 エージェントには過去のユーザ会話へのアクセスが与えられ、一定回数のラウンドでユーザと対話して、明確な質問をすることができる。
  論文  参考訳（メタデータ） (2026-05-13T16:07:43Z)
• Show or Tell? Modeling the evolution of request-making in Human-LLM conversations [14.896858577447093]
  WildChatに基づいた211kのリアルタイムクエリのデータセットを作成し,解析する。 我々は,人間-LLMシナリオにおいて,要求作成のための言語に有意な差異を見出した。 クエリパターンは、単独のリクエストを強調した初期のものから、後でより多くのコンテキストを組み合わせるまで進化しています。
  論文  参考訳（メタデータ） (2025-08-02T06:08:37Z)
• PersonaLens: A Benchmark for Personalization Evaluation in Conversational AI Assistants [31.486658078902025]
  タスク指向AIアシスタントのパーソナライゼーションを評価するベンチマークであるPersonaLensを紹介する。 本ベンチマークでは,リッチな嗜好とインタラクション履歴を備えた多様なユーザプロファイルと,2つの特殊なLDMベースのエージェントを特徴とする。 我々は、そのパーソナライゼーション能力に顕著な多様性を明らかにし、会話型AIシステムを進化させる上で重要な洞察を提供する。
  論文  参考訳（メタデータ） (2025-06-11T16:16:07Z)
• Creating General User Models from Computer Use [53.59999173952482]
  本稿では,コンピュータとのインタラクションを観察することでユーザについて学習する汎用ユーザモデル(GUM)のアーキテクチャを提案する。 GUMは、ユーザ(例えばデバイスのスクリーンショット)の非構造化観察を入力として受け取り、ユーザの知識と好みをキャプチャする信頼度重み付け命題を構築する。
  論文  参考訳（メタデータ） (2025-05-16T04:00:31Z)
• PersonaBench: Evaluating AI Models on Understanding Personal Information through Accessing (Synthetic) Private User Data [76.21047984886273]
  パーソナライゼーションは、AIアシスタント、特に個々のユーザーと連携するプライベートAIモデルのコンテキストにおいて重要である。 このようなデータのセンシティブな性質のため、AIモデルのユーザ理解能力を評価するためのデータセットは公開されていない。 多様なユーザプロファイルを作成する合成データ生成パイプラインと、人間の活動をシミュレートするプライベートドキュメントを導入する。
  論文  参考訳（メタデータ） (2025-02-28T00:43:35Z)
• Robot Behavior Personalization from Sparse User Feedback [7.51373397483077]
  抽象概念(TAACo)フレームワークを用いたタスク適応を作成する。 TAACoは、任意のタスクでユーザの望ましい支援方法を予測することができる。 予測精度において,TAACoはGPT-4の16%,ルールベースシステムでは54%を上回った。
  論文  参考訳（メタデータ） (2024-10-25T00:08:38Z)
• A Neural Topical Expansion Framework for Unstructured Persona-oriented Dialogue Generation [52.743311026230714]
  Persona Exploration and Exploitation (PEE)は、事前に定義されたユーザペルソナ記述を意味論的に相関したコンテンツで拡張することができる。 PEEはペルソナ探索とペルソナ搾取という2つの主要なモジュールで構成されている。 提案手法は, 自動評価と人的評価の両面で, 最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-02-06T08:24:33Z)

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。