論文の概要: Robots That Talk Too Much and Don't Listen Enough
- arxiv url: http://arxiv.org/abs/2611.16473v1
- Date: Thu, 12 Nov 2026 08:32:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.39957
- Title: Robots That Talk Too Much and Don't Listen Enough
- Title(参考訳): しゃべりすぎで耳が聞こえないロボット(動画あり)
- Abstract要約: 音声認識エラーとターンテイク障害は、社会ロボットとの自然な対話における最大の障害である。
本稿では,社会ロボットとの対話における音声認識とターンテイクの改善手法を振り返る。
マルチモーダル双方向ストリーミングは、ターンテイク障害の頻度を減らすために必要であると主張している。
- 参考スコア(独自算出の注目度): 0.14323566945483496
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Until recently, the biggest obstacles to natural spoken interaction with social robots were speech recognition errors and turn-taking failures. Advances in speech recognition have enabled much better spoken interaction, but turn-taking failures and other misunderstandings continue to be far too prevalent. This short paper looks back at earlier methods for improving speech recognition and turn-taking in interaction with social robots, and then looks at what can be done today, arguing that multimodal bidirectional streaming is needed to reduce the frequency of turn-taking failures.
- Abstract(参考訳): 最近まで、社会ロボットとの自然な会話の最大の障害は、音声認識のエラーとターンテイクの失敗だった。
音声認識の進歩により、より優れた音声対話が可能になったが、ターンテイキングの失敗やその他の誤解は相変わらず広まり続けている。
本稿では,社会ロボットとの対話における音声認識とターンテイクの改善手法を振り返るとともに,ターンテイク障害の発生頻度を低減するためには,マルチモーダル双方向ストリーミングが必要である,と論じる。
関連論文リスト
- From Social Reasoning to Embodied Interaction: An Agentic Framework for Social Robots [57.257033382353804]
ARISEはソフィア・ヒューマノイド・ロボットにエージェント・リソンとインタラクティブ・ソーシャル・エボディメントを橋渡しする。
ARISEは、マルチモーダルなコンテキスト理解、長期記憶、リアクティブとプロアクティブな相互作用を統合して、いつ、何を通信すべきかを決定する。
論文 参考訳(メタデータ) (2026-10-05T08:15:21Z) - 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) - 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) - ERR@HRI 2.0 Challenge: Multimodal Detection of Errors and Failures in Human-Robot Conversations [18.151307410451796]
ERR@HRI 2.0 Challengeは、人間とロボットの会話中の会話ロボットの失敗のデータセットを提供する。
データセットには、顔、スピーチ、頭の動きを取り入れた16時間の人-ロボットインタラクションが含まれている。
参加者はチームを作り、マルチモーダルデータを使用してこれらの障害を検出する機械学習モデルを開発するために招待される。
論文 参考訳(メタデータ) (2025-07-17T18:21:45Z) - Why Robots Are Bad at Detecting Their Mistakes: Limitations of Miscommunication Detection in Human-Robot Dialogue [0.6118899177909359]
本研究では,ロボット対話における誤通信検出における機械学習モデルの有効性を評価する。
会話の各ターンの後、ユーザーはエラーを認識したかどうかについてのフィードバックを提供し、モデルがロボットの誤りを正確に検出する能力の分析を可能にした。
論文 参考訳(メタデータ) (2025-06-25T09:25:04Z) - Towards Unsupervised Speech Recognition Without Pronunciation Models [57.222729245842054]
本稿では,ペア音声とテキストコーパスを使わずにASRシステムを開発するという課題に取り組む。
音声合成とテキスト・テキスト・マスクによるトークン埋込から教師なし音声認識が実現可能であることを実験的に実証した。
この革新的なモデルは、レキシコンフリー環境下での以前の教師なしASRモデルの性能を上回る。
論文 参考訳(メタデータ) (2024-06-12T16:30:58Z) - Dialogue with Robots: Proposals for Broadening Participation and Research in the SLIVAR Community [57.56212633174706]
自然言語を使って機械と対話する能力は一般的なものになりつつあるが、期待されている。
本稿では,ロボットとの音声対話のこの成長分野の最近の歴史を詳述する。
私たちはコミュニティに3つの提案を提供しています。ひとつは教育、もうひとつはベンチマーク、もうひとつはロボットとの会話に関する言語モデリングです。
論文 参考訳(メタデータ) (2024-04-01T15:03:27Z) - Yell At Your Robot: Improving On-the-Fly from Language Corrections [84.09578841663195]
高いレベルのポリシーは、人間のフィードバックによって言語修正の形で容易に管理できることを示す。
このフレームワークは、ロボットがリアルタイムの言語フィードバックに迅速に適応するだけでなく、このフィードバックを反復的なトレーニングスキームに組み込むことを可能にする。
論文 参考訳(メタデータ) (2024-03-19T17:08:24Z) - Whither the Priors for (Vocal) Interactivity? [6.709659274527638]
音声に基づくコミュニケーションは、人間とロボットが対話する最も自然な方法の1つとしてしばしば引用される。
それにもかかわらず、結果として生じる相互作用は自然に他ならない」。
このようなコミュニケーションの失敗は、より深い誤認の兆候である、とここでは主張されている。
論文 参考訳(メタデータ) (2022-03-16T12:06:46Z) - 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。