論文の概要: Toward Study on the Effects of Robot's Humorous Apology on Human's Trust Recovery

• arxiv url: http://arxiv.org/abs/2610.16334v1
• Date: Mon, 12 Oct 2026 07:54:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 06:25:37.819017
• Title: Toward Study on the Effects of Robot's Humorous Apology on Human's Trust Recovery
• Title（参考訳）: ヒューモラス謝罪が人間の信頼回復に及ぼす影響に関する研究
• Abstract要約: 本研究では,2x2の要素間設計に基づくユーザ実験を行い,ユーモラスロボットの謝罪がユーザ信頼回復に及ぼす影響について検討する。 オープンソースのWarehouse Robot Interaction Simulatorを使ってオンライン実験を行う。
• 参考スコア（独自算出の注目度）: 1.4018975578160686
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robot errors can disrupt human-robot collaboration by reducing user trust and willingness to rely on the robot. Robot apologies can support trust recovery after such errors, but their effects may vary with apology strategy and error severity. This study therefore presents a user experiment based on a 2x2 between-subjects factorial design to examine the effect of humorous robot apologies on user trust recovery and the moderating role of error severity. The design crosses robot error severity (low vs. high) with apology strategy (generic vs. humorous). An online experiment will be conducted using the open-source Warehouse Robot Interaction Simulator. Participants will complete a collaborative task, experience a robot error followed by an apology, and report trust, trust recovery, interaction experience and reuse intention. We hypothesize that humorous apologies will produce greater trust recovery than generic apologies after low-severity errors, but that the advantage of humor will weaken or reverse after high-severity errors.
• Abstract（参考訳）: ロボットのエラーは、ロボットに頼ろうとするユーザの信頼と意欲を減らし、人間とロボットのコラボレーションを妨害する。 ロボットの謝罪はそのようなエラー後の信頼回復を支援することができるが、その影響は謝罪戦略とエラー重大度によって異なる可能性がある。 そこで本研究では,2x2の要素間設計に基づくユーザ実験を行い,ユーモラスなロボットの謝罪がユーザ信頼回復に及ぼす影響とエラー重大度の役割について検討した。 このデザインは、ロボットのエラーの深刻度(低対高)を謝罪戦略(ジェネリック対ユーモラス)で横断する。 オープンソースのWarehouse Robot Interaction Simulatorを使ってオンライン実験を行う。 参加者は協力的なタスクを完了し、ロボットのエラーを経験し、謝罪を行い、信頼、信頼回復、インタラクションエクスペリエンス、再利用意図を報告します。 低重度誤りの後に、ユーモア的な謝罪が一般的な謝罪よりも高い信頼回復をもたらすと仮定するが、ユーモアの利点は高重度エラーの後に弱まるか逆になるであろう。

関連論文リスト

• Ego2Robot: Scalable Robot Data Synthesis from Egocentric Human Data [60.94418315274988]
  Ego2Robotは、キュレートされたビデオとインザワイルドのビデオの両方をサポートし、15のロボット形態にまたがる18,561時間のトレーニングデータを生成する。 Ego2Robotの合成データとロボットデータの併用による事前学習は、複数のタイプにわたるアウト・オブ・ディストリビューションの一般化を一貫して改善する。
  論文  参考訳（メタデータ） (2026-08-03T17:52:26Z)
• EgoRecovery: Acquiring Failure Recovery Ability Through Human Recovery Demonstration [75.13534797264485]
  我々は,ロボット遠隔操作に代わるスケーラブルな代替手段として,自己中心型ヒューマンデータキャプチャー障害回復プロセスが提供されることを示した。 タスクレベルの障害設定を効率的にアレンジし、短いリカバリセグメントを記録することで、人間のオペレータは1時間あたりの有効なリカバリデータの10倍以上のデータを生成できる。
  論文  参考訳（メタデータ） (2026-07-22T04:44:26Z)
• Robot Self-Improvement via Human-Video Dynamics Models [52.14862052988773]
  人間のビデオは、ロボットのエンボディメント間で伝達されるエンボディメントに依存しない動作、ダイナミクス、および値表現を学ぶのに利用できることを示す。 DGAC(Dynamics-Guided Action Correction)は,これらの適応モデルを用いて故障状態の修復を行うトレーニングフリーアプローチである。 以上の結果から,人間の先行とロボットの失敗が組み合わさって,スケーラブルな自律的政策改善を可能にすることが示唆された。
  論文  参考訳（メタデータ） (2026-06-19T13:17:27Z)
• Calling for Backup: How Children Navigate Successive Robot Communication Failures [15.205829674404848]
  本研究は,若年者が繰り返しロボットの会話誤りにどう反応するかを検討するために,子育て参加者 (N=59, 8-10歳) との連続したロボット故障パラダイムを再現する。 子どもたちはプロンプトを調整し、口調を変え、連続的なエラーを通じて感情的な非言語的反応を示した。 これらの知見は,若年者を対象としたより効果的で,発達的に適切なロボットインタラクションシステムの設計を示唆するものである。
  論文  参考訳（メタデータ） (2026-01-02T17:18:10Z)
• Training Models to Detect Successive Robot Errors from Human Reactions [11.790205457987488]
  この研究は、人間の反応からロボットの失敗の段階を認識するために機械学習を使用する。 会話エラーを繰り返したロボットと対話する26人の被験者を対象にした研究では、映像データから行動特徴を抽出し、モデルを訓練した。 最良のモデルは、エラーを検出するための93.5%の精度と、連続する障害を分類するための84.1%を達成した。
  論文  参考訳（メタデータ） (2025-10-10T07:25:44Z)
• When Robots Say No: Temporal Trust Recovery Through Explanation [2.337620902636256]
  人間ロボットチーム(HRT)に統合されたロボットは、有害な建物を探すのに効果的に働く。 分散状況認識では、ロボットが要求に応じて即座に優先順位を変更することを辞退すると、ユーザーはロボットの完全性を疑う傾向にある。 本研究は,ハイテイクな人間ロボットチーム構成シナリオにおけるオンミッション信頼度に関するコンピュータによる研究結果である。
  論文  参考訳（メタデータ） (2025-09-15T14:29:52Z)
• Human strategies for correcting `human-robot' errors during a laundry sorting task [3.9697512504288373]
  「42人の参加者によるビデオ分析では、笑い、言葉表現、おやおやおやおやおや」など、発話パターンが見つかった。」 エラーが発生した時に展開される一般的な戦略には、修正と教育、責任を取ること、フラストレーションの表示などがあった。 人類型ロボットは、このようなタスクに理想的に適していないかもしれない。
  論文  参考訳（メタデータ） (2025-04-11T09:53:36Z)
• Human-Robot Interaction and Perceived Irrationality: A Study of Trust Dynamics and Error Acknowledgment [0.0]
  本研究では,ロボットの故障に対する人間の反応を解析し,信頼のダイナミクスとシステム設計を体系的に検討する。 我々は,人間とロボットのインタラクションを通じて,信頼がどのように進化するかを調査する4段階の調査を行った。 その結果,ロボットの誤りや限界を認識すると,ロボットシステムの信頼性は著しく向上した。
  論文  参考訳（メタデータ） (2024-03-21T11:00:11Z)
• Show Me What You Can Do: Capability Calibration on Reachable Workspace for Human-Robot Collaboration [83.4081612443128]
  本稿では,REMPを用いた短時間キャリブレーションにより,ロボットが到達できると考える非専門家と地道とのギャップを効果的に埋めることができることを示す。 この校正手順は,ユーザ認識の向上だけでなく,人間とロボットのコラボレーションの効率化にも寄与することを示す。
  論文  参考訳（メタデータ） (2021-03-06T09:14:30Z)
• Joint Inference of States, Robot Knowledge, and Human (False-)Beliefs [90.20235972293801]
  本稿では,人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)の認知能力が,ロボットとの相互作用にどのように影響するかを理解するために,対象状態,ロボット知識,人間(時間的)の認知能力の表現にグラフィカルモデルを採用することを提案する。 推論アルゴリズムは、複数のビューにまたがる全てのロボットから個別のpgを融合し、単一のビューから発生したエラーを克服するより効果的な推論能力を得る。
  論文  参考訳（メタデータ） (2020-04-25T23:02:04Z)

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。