論文の概要: When "No Worries" Went Wrong: HRI Lessons for Foundation-Model Robots
- arxiv url: http://arxiv.org/abs/2610.38400v1
- Date: Wed, 28 Oct 2026 07:43:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-03 10:43:34.847136
- Title: When "No Worries" Went Wrong: HRI Lessons for Foundation-Model Robots
- Title（参考訳）: 心配なし」が間違っているとき:HRIが基礎モデルロボットの教訓を語る
- Abstract要約: 我々は、注意、知識、コミットメント、具体化されたタイミング、行動権限に関する教訓を発展させる。
1つのインタラクションの前提を変更する軽量なレビューは、それを決定または強制境界に追跡し、実行可能なアーキテクチャ発見を生成する。
エンジニアリングの教訓は、かつてそれらを公開する計算パイプラインではなく、説明責任境界を保存することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: When a person declined our robot's invitation to play, Alice turned her shoulder away and said "No worries, it's all good." Only after a brief pause did she drive off. The words and gestures were plausible but their order changed the message. In another episode, Alice informed a host that his visitor had arrived---while the visitor stood right beside him. Both came from a three-year ROS 2 HRI consortium that integrated large language and vision models as they emerged. Today's foundation models give robots broader capabilities to perceive their surroundings, reason about situations and generate behavior. Yet capability alone does not ensure that a changed situation shapes the action that reaches a person. Evidence may never be acquired, or a purpose or constraint may fail to survive planning and execution. A system may even report Success when an action no longer serves its intended purpose. Drawing on the consortium's engineering experience, we develop five design lessons about attention, knowledge, commitments, embodied timing and action authority. We then introduce TRACE, a lightweight review that changes one interaction premise, follows it to a decision or enforcement boundary, and produces an actionable architecture finding. A bounded analysis of a published LLM-generated behavior-tree system illustrates how an available clarification mechanism can go unused. The engineering lesson is to preserve accountability boundaries, not the computational pipelines that once exposed them.
- Abstract（参考訳）: ある人がロボットの遊びの誘いを断ると、アリスは肩をそらして「心配しないで、大丈夫」と言った。
しばらく休んだ後、彼女は運転を中止した。
言葉とジェスチャーはありふれたものだったが、彼らの命令でメッセージが変わった。
別のエピソードでは、アリスがホストにビジターが到着したと伝え、ビジターはすぐそばに立っていた。
どちらも3年間のROS 2 HRIコンソーシアムで、大きな言語とビジョンモデルを統合した。
今日のファンデーションモデルは、ロボットが周囲を知覚し、状況を推論し、行動を生成する幅広い能力を提供する。
しかし、能力だけでは、変化する状況が人に到達する行動を形成することを保証しません。
証拠は決して取得されないかもしれないし、目的や制約は計画や実行を乗り越えられないかもしれない。
アクションがもはや意図された目的を果たさない場合、システムは成功を報告します。
コンソーシアムのエンジニアリング経験に基づいて、注意、知識、コミットメント、具体化されたタイミングと行動権限に関する5つのデザインレッスンを開発する。
TRACEは、1つのインタラクションの前提を変更し、それを決定または強制境界に追従し、実行可能なアーキテクチャを見つけるための軽量なレビューである。
公開されたLCM生成行動ツリーシステムの有界解析は、利用可能な明確化メカニズムがいかに使われていないかを示している。
エンジニアリングの教訓は、かつてそれらを公開する計算パイプラインではなく、説明責任境界を保存することである。
関連論文リスト
- Causal-based approaches to explain and learn from self-extension - A review [0.7474723197425265]
自己認識型自己進化型ロボットの開発における最近の進歩を考察する。
これらのロボットは、人間の能力を高めるために必要な説明を提供するように設計されている。
論文 参考訳（メタデータ） (2026-10-23T19:29:32Z) - EMPIRIC: Experiment-Driven Learning of Residual World Models for Robot Planning [65.9530679634286]
ロボットは、不慣れな物体の振る舞いや相互作用を実験を通して学習し、その知識で計画しなければなりません。
残余世界モデルを学習するエージェントであるEMPIRICについて述べる。
5つのシミュレートされたドメインにわたって、EMPIRICは解釈可能で再利用可能なモデルを学び、3つのベースラインよりも環境相互作用が少なく多くのタスクを解決する。
論文 参考訳（メタデータ） (2026-09-28T12:42:51Z) - Teach and Grow: An Agent-Centered Architecture for General Robot Learning [20.811152351871257]
Teach-and-Grow Learning (TGL)は、汎用ロボット学習のためのエージェント中心アーキテクチャである。
マルチモーダルエージェントは、いくつかの成功したデモを再利用可能なスキルブロック(意味のあるサブゴールのためのクローズドループ動作)に変換する。
新しいタスクは、タスク固有のポリシーの再トレーニングなしで取得される。
論文 参考訳（メタデータ） (2026-08-17T23:45:21Z) - ETA: A New Agentic Paradigm for Embodied Tasks [76.25893120982523]
本稿では,デジタルエージェントを物理世界へ拡張するための新しいパラダイムであるEmbodied Task Agent(ETA)を紹介する。
ETAは、一度に1つのツールコールを選択するPlanner、実行を制御するInterface、結果と新鮮な観察を返送するWorldを中心にロボットを集中させる。
ETAは、置換可能なPlanner、構成可能なツールとスキル、監査可能なメモリ、再生可能なトラジェクトリ、シミュレーションと実際のロボットのための一般的なインターフェースを提供する。
論文 参考訳（メタデータ） (2026-08-04T16:56:09Z) - A Contextual-Bandit Oversight Game with Two-Sided Informational Asymmetry [0.3384279376065155]
我々は、プライベート情報が両方の方向に流れるとき、AIエージェントのランタイムヒューマン監視について研究する。
これは、自律ロボットやソフトウェアエージェントが人間の監督者が直接評価できない状況を検査した時に自然に発生する非対称性の一種である。
両面の非対称情報とプレイ/アズク/トラスト/オーバーシーインタフェースを備えたコンテキストバンド型チームゲームを導入する。
論文 参考訳（メタデータ） (2026-06-30T20:30:01Z) - ESI-Bench: Towards Embodied Spatial Intelligence that Closes the Perception-Action Loop [55.468404995694975]
我々は,OmniGibson上に構築された10のタスクカテゴリと29のサブカテゴリにまたがる空間知能の具体化ベンチマークを開発した。
我々は最先端のMLLMの実験を行い、活発な探索が受動的に優れていることを発見した。
矛盾した視点を求め、信念を改定する人間とは異なり、モデルは証拠の品質に関わらず、高い信頼をもって早々に行動する。
論文 参考訳（メタデータ） (2026-05-18T17:59:02Z) - LatentPilot: Scene-Aware Vision-and-Language Navigation by Dreaming Ahead with Latent Visual Reasoning [51.969318585152116]
LatentPilotは、トレーニング中の将来の観察を貴重なデータソースとして利用して、アクション条件付きビジュアルダイナミクスを学習する。
そこで本稿では,フライホイール方式のトレーニング機構を提案する。これは,道路上の軌道を反復的に収集し,エージェントの行動分布に適合するようにモデルを再訓練する。
R2R-CE、RxR-CE、R2R-PEベンチマークの実験では新たなSOTA結果が得られた。
論文 参考訳（メタデータ） (2026-03-31T02:21:59Z) - Explainable OOHRI: Communicating Robot Capabilities and Limitations as Augmented Reality Affordances [5.363623643280699]
本稿では,ロボットの動作可能性と制約を伝達する拡張現実(AR)インターフェースであるX-OOHRIを提案する。
本システムは,視覚言語モデルを用いてオブジェクト特性とロボットの限界をオブジェクト指向構造にエンコードする。
エンド・ツー・エンドのパイプラインを物理ロボットと統合し、低レベルのピック・アンド・プレイスから高レベルの命令まで多様なユースケースを示す。
論文 参考訳（メタデータ） (2026-01-21T01:53:47Z) - 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) - Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models [81.55156507635286]
脚のついたロボットは、様々な環境をナビゲートし、幅広い障害を克服することができる。
現在の学習手法は、人間の監督を伴わずに、予期せぬ状況の長い尾への一般化に苦慮することが多い。
本稿では,VLM-Predictive Control (VLM-PC) というシステムを提案する。
論文 参考訳（メタデータ） (2024-07-02T21:00:30Z) - Learning Vision-based Pursuit-Evasion Robot Policies [54.52536214251999]
我々は、部分的に観察可能なロボットの監督を生成する完全観測可能なロボットポリシーを開発する。
我々は、RGB-Dカメラを搭載した4足歩行ロボットに、野生での追従回避のインタラクションにポリシーを展開させる。
論文 参考訳（メタデータ） (2023-08-30T17:59:05Z)
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。