ロボットの丁寧さはエラーを補えない:ユーザー調査の結果

社会的認識ロボットナビゲーションは、ロボットが人間の社会的規範、快適性、および認識される安全性を尊重して人々の間を移動することを必要とする。対人空間の調整であるプロクセミクスは、このプロセスにおいて中心的な役割を果たす。本研究では、既存のHRI研究のレビューに基づき、プロクセミクスに関する包括的な分類を提案する。この分類は、人間の行動、ロボットのデザインと挙動、環境構造、タスクコンテキスト、およびプロクセミクスの動的な空間特性といった主要な変数を体系的に整理する。この分類は、社会的適応型ロボットナビゲーションシステムの設計に役立ち、将来の経験的研究の基盤を提供する。現在の研究慣行には、複数の…

• 高齢者の孤独・社会的孤立の軽減を目的に、認知的能力を備えたソーシャルロボットの社会的プレゼンスと擬人化の認識を被験者実験で比較した研究。
• 検証した3条件は(i)無制限の会話能力、(ii)インタラクションへの視覚的合図の組み込み、(iii)個々の出会いの記憶。
• 評価には Human-Robot Interaction Evaluation Scale を使用した。

人間とロボットの協働(HRC)における先回りしたロボット支援のため、タスク文脈の認識、ユーザーのニーズ予測、ワークフローを妨げない適切な介入を可能にするシステムが必要とされている。本稿では、大規模言語モデル(LLM)の推論と標準運用手順(SOP)による根拠付けを、意図、動作、知覚、音響、アフォーダンス、パフォーマンスの専門化されたモジュラー層と組み合わせたAgentic Unified Robotic Assistance(AURA)フレームワークを提案する。このフレームワークは、再トレーニングや再プロンプトなしで再構成可能かつ監査可能であり、中央の意思決定モジュールに構造化されたコンテキス…

• 都市部ドローン監視制御において、マルチモーダル(視覚+触覚)フィードバックが信念更新速度をControl比約3倍(3.23秒→1.08秒)に向上させた。
• マルチモーダルフィードバック下での時間分解正確性(局所確率)がControl(0.17)から0.43に向上した。
• 触覚のみのフィードバックは認知負荷を増加させる一方、マルチモーダルでは認知負荷の増加なく性能向上が確認された。

• 中学校の生徒22人が、幾何学課題でFurhatロボットと協力し、ロボットが提示した誤った解法に対して14人が同調、8人が抵抗した。
• 説得議論の最初の2回の交換における生徒の応答が最終的な同調/抵抗の結果と一致することを示す、早期抵抗の定量化手法が導入された。
• 会話型AI/LLMの利用頻度が高く人間らしいロボット属性を好む生徒ほど、誤りへの抵抗が弱まる可能性が示された(7仮説のうちの1つ)。