論文の概要: HiBRIDGE: A Hierarchical Bayesian Neural Network Framework for Interpretable Dialogue Management in Group-Robot Interaction
- arxiv url: http://arxiv.org/abs/2609.08678v1
- Date: Tue, 08 Sep 2026 12:44:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 16:04:17.002615
- Title: HiBRIDGE: A Hierarchical Bayesian Neural Network Framework for Interpretable Dialogue Management in Group-Robot Interaction
- Title（参考訳）: HiBRIDGE:グループロボットインタラクションにおける解釈可能な対話管理のための階層型ベイズニューラルネットワークフレームワーク
- Abstract要約: HiBRIDGEはグループロボット対話管理のための階層型ベイズネットワークフレームワークである。
強い予測性能と、ロボットの振る舞いのより解釈可能な説明をサポートする構造化された決定プロセスを組み合わせる。
全体として、HiBRIDGEは強い予測性能と、ロボットの振る舞いのより解釈可能な説明をサポートする構造化された決定プロセスを組み合わせる。
- 参考スコア（独自算出の注目度）: 7.750008457657593
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In multi-party human-robot interaction, a robot must continuously decide whom to address and what to say to participate effectively in the conversation. In real-world interactions, this is challenging because several behaviours may be plausible at the same time: a robot might continue a topic with one participant, involve another through a question, or address the whole group, with the appropriate choice depending on both whom it addresses and the interaction context. Current approaches remain limited in representing uncertainty when several behaviours are plausible and in structuring decisions into semantically meaningful intermediate steps that make robot decisions easier to interpret. Addressing these, we present HiBRIDGE, a hierarchical Bayesian neural network framework for group-robot dialogue management. Its Bayesian formulation enables uncertainty-aware prediction and robust learning from limited interaction data, while the hierarchical approach formulates behaviour selection as a structured, multi-stage decision process. We further use decision-tree surrogates to investigate whether this structure can support more interpretable explanations. Across three offline group-HRI datasets, our findings show that Bayesian formulations outperform their deterministic counterparts and several state-of-the-art baselines. Next, through an online study (N=20), we show that explanations derived from the hierarchical model are rated as more helpful for understanding robot behaviour and are preferred over those derived from the flat model. Finally, through our in-person study (N=12), we demonstrate the feasibility of HiBRIDGE for autonomous real-time group interaction, with both hierarchical and flat Bayesian variants positively perceived. Overall, HiBRIDGE combines strong predictive performance with a structured decision process that supports more interpretable explanations of robot behaviour.
- Abstract（参考訳）: 多人数のロボット同士の対話では、ロボットは、誰に対処するか、何を言おうと、会話に効果的に参加するかを連続的に決めなければならない。
ロボットは、ある参加者と一緒にトピックを継続したり、質問を通じて他の参加者を巻き込んだり、グループ全体に対して適切な選択を行うことができる。
現状のアプローチは、いくつかの動作が妥当な場合の不確実性を表すことや、決定を意味的に意味のある中間段階に構造化することで、ロボットの判断を解釈しやすくしている。
グループロボット対話管理のための階層型ベイズニューラルネットワークフレームワークHiBRIDGEを提案する。
そのベイズ的定式化は、限られた相互作用データから不確実性を考慮した予測と堅牢な学習を可能にし、階層的アプローチは、構造化された多段階決定プロセスとして行動選択を定式化する。
我々はさらに、この構造がより解釈可能な説明を支持できるかどうかを調べるために、決定木サロゲートを使用する。
3つのオフライングループ-HRIデータセットにおいて,ベイジアン定式化は決定論的基準値と最先端基準値よりも優れていた。
次に、オンライン研究(N=20)により、階層モデルから導かれた説明は、ロボットの動作を理解するのに役立つと評価され、フラットモデルから導出された説明よりも好まれることを示した。
最後に,HBRIDGEの自律的リアルタイムグループ間相互作用の実現可能性について,階層的および平坦なベイズ変種を肯定的に認識した。
全体として、HiBRIDGEは強い予測性能と、ロボットの振る舞いのより解釈可能な説明をサポートする構造化された決定プロセスを組み合わせる。
関連論文リスト
- An Edge-Host-Cloud Architecture for Robot-Agnostic, Caregiver-in-the-Loop Personalized Cognitive Exercise: Multi-Site Deployment in Dementia Care [1.4582793306013617]
我々は,個人化された認知運動支援のためのロボットインタラクションプラットフォームであるMemoriesを紹介した。
このプラットフォームは、聴覚、視覚、およびテキストの信号を融合して、感情に敏感でパーソナライズされた対話を可能にする。
実世界の展開、エンドツーエンドのレイテンシ、対話コヒーレンス、インタラクションの安定性、ステークホルダが報告したユーザビリティとエンゲージメントなどを通じて、プラットフォームを評価します。
論文 参考訳（メタデータ） (2026-04-01T00:41:20Z) - Agentic Reasoning for Large Language Models [122.81018455095999]
推論は推論、問題解決、意思決定の基礎となる基本的な認知プロセスである。
大規模言語モデル(LLM)は、クローズドワールド設定では強力な推論能力を示すが、オープンエンドおよび動的環境では苦労する。
エージェント推論は、連続的な相互作用を計画し、行動し、学習する自律的なエージェントとしてLLMを解釈することでパラダイムシフトを示す。
論文 参考訳（メタデータ） (2026-01-18T18:58:23Z) - Multi-User Personalisation in Human-Robot Interaction: Using Quantitative Bipolar Argumentation Frameworks for Preferences Conflict Resolution [7.448890820711756]
定量的バイポーラ調停フレームワーク(QBAF)に基づく新しいマルチユーザパーソナライズフレームワークを提案する。
Argumentation Frameworksの以前の作業とは異なり、私たちのアプローチはロボティクスに合わせています。
ユーザの議論とロボットによる環境観察の両方を取り入れている。
論文 参考訳（メタデータ） (2025-11-05T15:59:30Z) - Whom to Respond To? A Transformer-Based Model for Multi-Party Social Robot Interaction [4.276453870301421]
社会ロボットの意思決定プロセスを改善するために,トランスフォーマーを用いたマルチタスク学習フレームワークを提案する。
我々は、視線ずれなどの現実世界の複雑さを捉えた、新しい多人数HRIデータセットを構築した。
本研究は,自然とコンテキストを意識した多人数インタラクションを実現できる社会知能型社会ロボットの開発に寄与する。
論文 参考訳（メタデータ） (2025-07-15T03:42:14Z) - A Multi-Modal Explainability Approach for Human-Aware Robots in Multi-Party Conversation [38.227022474450834]
本稿では,従来の最先端技術と比較して性能が向上したアドレス推定モデルを提案する。
また、上記のアーキテクチャに説明可能性と透明性を組み込むいくつかの方法を提案する。
論文 参考訳（メタデータ） (2024-05-20T13:09:32Z) - Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。
本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。
マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
論文 参考訳（メタデータ） (2024-01-22T18:58:22Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z) - Rethinking Trajectory Prediction via "Team Game" [118.59480535826094]
本稿では,対話型グループコンセンサスの概念を明示的に導入した,マルチエージェント軌道予測の新しい定式化について述べる。
チームスポーツと歩行者の2つのマルチエージェント設定において,提案手法は既存手法と比較して常に優れた性能を達成している。
論文 参考訳（メタデータ） (2022-10-17T07:16:44Z) - 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) - 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) - Cascaded Human-Object Interaction Recognition [175.60439054047043]
マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。
各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。
慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
論文 参考訳（メタデータ） (2020-03-09T17:05:04Z)
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。