ProVox: 状況に応じた人とロボットの協調のためのパーソナライズと先回り計画

- 本論文は、人間とロボットの協働において、ロボットが相手の意図や好みを早期に推論し、明示的な指示を待たずに先回りして行動計画を立てることを目指す研究。 - 提案する ProVox（"Proactive Voice"）は、LLM の常識事前分布と steerability を活用し、個々の協働者に効率的にパーソナライズ・適応する新規フレームワーク。 - 家庭内の manipulation タスク（例：lunch bag の組み立て）を題材に、協働効率や helpfulness・ease of use・reliability をユーザスタディで評価。

- 従来の協働ロボットは、人間からの明示的な指示や監督を前提とし、相手の意図を先読みして行動する点が弱い。 - 本研究は、開始前の meta-prompting によりユーザの好み・意図・期待行動を伝達し、それを条件に proactive な LLM task planner が先回りして helpful actions を提案する点が新しい。 - 結果として、non-active baselines と比べ 38.7% のタスク完了時間短縮と 31.9% のユーザ負担軽減を報告。

- LLM の常識事前分布と steerability を利用した meta-prompting protocol を設計し、物理的 interaction 開始前にユーザの distinct preferences・intent・expected robot behaviors を伝達可能にする。 - パーソナライズされた prompt で proactive な language model task planner を条件付けし、現在の interaction context と robot capabilities からユーザ意図を予測して helpful actions を提案。 - これにより、ユーザが明示的に指示・監督する時間を最小化する狙い。

- 家庭内 manipulation タスク（例：lunch bag の組み立て）に基づくユーザスタディで評価。 - 協働の効率に加え、perceived helpfulness・ease of use・reliability などの特徴を測定。 - 分析の結果、meta-prompting と proactivity の両方が重要であり、non-active baselines 比で 38.7% のタスク完了時間短縮、31.9% のユーザ負担軽減を示した。

- 分析から、meta-prompting と proactivity の双方が協働効率とユーザ負担の改善に critical であると示唆。 - 一方、要旨からは具体的な限界・失敗事例・一般化可能性・被験者数などの詳細は不明。 - 家庭内 manipulation タスクに限定した評価であり、他領域への展開や長期的適応については要旨からは不明。

- 要旨で直接参照・比較されている個別研究は明示されていない。 - 関連手法として、LLM を用いた task planning、meta-prompting、proactive human-robot collaboration、situated collaboration、learning from demonstration の文献を次に読む候補として挙げる。 - 具体的な論文名は要旨からは不明。