論文の概要: LLM-based Conversational AI Knowledge Assistant for MyBuddy Humanoid Robot

• arxiv url: http://arxiv.org/abs/2609.24742v1
• Date: Mon, 21 Sep 2026 15:11:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.010358
• Title: LLM-based Conversational AI Knowledge Assistant for MyBuddy Humanoid Robot
• Title（参考訳）: マイバディヒューマノイドロボットのためのLLMに基づく会話型AI知識アシスタント
• Abstract要約: 大規模言語モデル(LLM)は、自然で適応的でコンテキスト対応のヒューマンロボットインタラクションを実現するための強力な基盤として登場した。 我々は,Raspberry-Piを搭載した13-Axis MyBuddyロボットのためのLLMベースの多目的会話型AI知識アシスタントを提案し,実装した。
• 参考スコア（独自算出の注目度）: 5.495344504006371
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humanoid robots are increasingly being popular and developed for human-centered applications, yet their ability to provide intelligent conversations and natural interactive knowledge assistance remains constrained by traditional rule-based dialogue systems, pre-defined responses and limited knowledge repositories. Large language models (LLMs) have emerged as a powerful foundation for enabling natural, adaptive, and context-aware Human-Robot Interaction (HRI), which provides a significant opportunity to address such limitations by enabling robots to understand natural speech language, reason over complicated queries, maintain high-quality conversational context, and generate knowledge-rich responses. In this work, we originally present and implement an LLM-based versatile Conversational AI Knowledge Assistant for the Raspberry-Pi-powered 13-Axis MyBuddy humanoid robot, which integrates LLM-driven language understanding and AI reasoning with real-time speech recognition, knowledge retrieval via extensible access of internet engines (e.g., Wikipedia, arXiv), flexible dialogue management, and natural speech synthesis to enable much more intelligent multi-turn continuous conversations and advanced emotional-support Human-Robot Interaction.
• Abstract（参考訳）: ヒューマノイドロボットは、人間中心のアプリケーションでますます人気を博し、開発されているが、インテリジェントな会話と自然な対話的な知識補助を提供する能力は、従来のルールベースの対話システム、事前定義された応答、限られた知識リポジトリによって制限されている。 大きな言語モデル(LLM)は、自然言語の理解、複雑なクエリの推論、高品質な会話コンテキストの維持、知識豊富な応答の生成を可能にすることで、そのような制限に対処するための重要な機会を提供する、自然言語、適応、コンテキスト対応のヒューマンロボットインタラクション(HRI)を実現する強力な基盤として登場した。 このロボットは、LLM駆動の言語理解とAI推論をリアルタイム音声認識、インターネットエンジン(例えばWikipedia、arXiv)の拡張可能なアクセスによる知識検索、フレキシブルな対話管理、自然な音声合成により、よりインテリジェントなマルチターン連続会話と高度な感情支援型ヒューマンロボットインタラクションを実現する。

関連論文リスト

• The ICASSP 2026 HumDial Challenge: Benchmarking Human-like Spoken Dialogue Systems in the LLM Era [95.35748535806744]
  我々はICASSP 2026で最初のヒューマンライクな音声対話システムチャレンジ(HumDial)を開催する。 本稿では,データセット,トラック構成,最終結果について概説する。
  論文  参考訳（メタデータ） (2026-01-09T06:32:30Z)
• Towards Anthropomorphic Conversational AI Part I: A Practical Framework [49.62013440962072]
  会話に関わる人間の知性の重要な側面を再現するために設計されたマルチモジュールフレームワークを導入する。 アプローチの第2段階では、これらの会話データは、フィルタリングとラベル付けの後に、強化学習のためのトレーニングおよびテストデータとして機能する。
  論文  参考訳（メタデータ） (2025-02-28T03:18:39Z)
• LLM Roleplay: Simulating Human-Chatbot Interaction [52.03241266241294]
  本研究では,人間とチャットボットの対話をシミュレートする多元多元対話を自動生成する,目標指向のペルソナに基づく手法を提案する。 本手法は,人間とチャットボットの対話を高い相違率でシミュレートすることができる。
  論文  参考訳（メタデータ） (2024-07-04T14:49:46Z)
• Distributed agency in second language learning and teaching through generative AI [0.0]
  ChatGPTは、テキストまたは音声形式のチャットを通じて非公式な第二言語プラクティスを提供することができる。 インストラクタはAIを使って、さまざまなメディアで学習と評価材料を構築することができる。
  論文  参考訳（メタデータ） (2024-03-29T14:55:40Z)
• Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic Systems [67.01132165581667]
  本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。 本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
  論文  参考訳（メタデータ） (2023-11-13T21:20:17Z)
• A Sign Language Recognition System with Pepper, Lightweight-Transformer, and LLM [0.9775599530257609]
  本研究は,ヒューマノイドロボットPepperがAmerican Sign Language(ASL)を理解するために,軽量なディープニューラルネットワークアーキテクチャを用いた検討である。 組込みシステムに最適化されたASL理解のための軽量で効率的なモデルを導入し,計算資源を保存しながら,迅速な手話認識を実現する。 我々は、Pepper Robotが自然なCo-Speech Gesture応答を生成できるように対話を調整し、より有機的で直感的なヒューマノイドロボット対話の基礎を築いた。
  論文  参考訳（メタデータ） (2023-09-28T23:54:41Z)
• Self-supervised reinforcement learning for speaker localisation with the iCub humanoid robot [58.2026611111328]
  人の顔を見ることは、ノイズの多い環境での音声のフィルタリングに人間が依存するメカニズムの1つである。 スピーカーに目を向けるロボットを持つことは、挑戦的な環境でのASRのパフォーマンスに恩恵をもたらす可能性がある。 本稿では,人間の初期発達に触発された自己指導型強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-12T18:02:15Z)

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。