日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

HRI/個人化arXiv:2607.21802

StARS: レコメンダシステム駆動アプローチによる社会的に適切なロボット行動

StARS: Socially Appropriate Robot Actions via a Recommender System-Driven Approach

シェア:XThreadsFacebookLINEはてブBluesky

人によって異なる社会的適切性の判断を、レコメンダシステムの嗜好モデリングとして捉え、ユーザー固有の適切性スコアを生成するフレームワークStARSを提案した。

詳しい要約

1. どんなもの?

StARSは、Human-Robot Interaction (HRI)における社会的適切性を、ユーザーごとに異なる主観的判断として捉え、推薦システムの枠組みでモデル化するフレームワーク。アノテータをユーザー、コンテキスト/シーンをアイテム、候補ロボットアクションに対する適切性スコアをターゲットとし、協調フィルタリングと学習可能なシーン表現を統合して、ユーザー固有の適切性スコアを生成する。モデル非依存で、様々なシーンエンコーダやバックボーンと統合可能。

2. 先行研究と比べてどこがすごい?

従来の社会的適切性生成は普遍的な判断を前提とすることが多く、個人差を扱えなかった。StARSは、社会的適切性を嗜好モデリング問題として再定式化し、協調フィルタリングを導入することで、アノテータ間の主観的ばらつきを明示的に捉える点が新しい。また、モデル非依存のフレームワークにより、既存のモデルを再設計せずにパーソナライズを実現できる点が優れている。

3. 技術・手法の肝は?

手法の核は、協調フィルタリングと学習可能なシーン表現の統合。アノテータをユーザー、シーンをアイテムとみなし、ユーザーとアイテムの埋め込みを学習する。シーン表現はシーンエンコーダから得られ、ユーザー固有の適切性スコアを予測する。モデル非依存の設計により、任意のシーンエンコーダやバックボーンと組み合わせ可能。

4. どうやって有効だと検証した?

MannersDB+とSocNav1の2つの社会的認識ロボティクスデータセットで評価。複数のバックボーンにStARSを統合し、パフォーマンスとアノテータとの一致度を測定。また、スパースな嗜好フィードバック下でのロバスト性も分析。結果、全データセットとバックボーンで一貫した改善を確認。

5. 議論はある?

要旨からは、個人差を扱うことで集団レベルの合意が低下する可能性や、スパースなフィードバックでの限界、実環境での適用可能性などについての議論は不明。また、協調フィルタリングのコールドスタート問題や、ユーザー数の増加に伴うスケーラビリティについても言及がない。

6. 次に読むべき論文は?

要旨で参照されているデータセットはMannersDB+とSocNav1。関連手法として、協調フィルタリングや推薦システムの基礎研究、社会的適切性を扱う既存のHRI研究(例:Socially Aware Navigation)が挙げられる。具体的には、SocNav1データセットを提案した論文や、MannersDB+の元となった研究を読むとよい。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Erencem Ozbey, Fethiye Irmak Dogan, Jin Huang, Hatice Gunes

分類: cs.RO, cs.IR

原文アブストラクト

Social appropriateness in human-robot interaction (HRI) is not universal: different people can judge the same robot action differently in the same situation. To capture this inter-subject variability, we reformulate socially appropriate action generation as a preference modelling problem inspired by recommender systems, treating annotators as users, contexts/scenes as items, and appropriateness scores over a set of candidate robot actions as targets. We propose StARS, a novel model-agnostic framework that integrates collaborative filtering with learnable scene representations to generate user-specific appropriateness scores over candidate robot actions. StARS is model-agnostic: it can be integrated with various scene encoders and backbones, enabling personalisation without redesigning the underlying model. We evaluate StARS on two socially aware robotics datasets, MannersDB+ and SocNav1, and analyse robustness under sparse preference feedback. Across datasets and backbones, StARS consistently improves performance and agreement with annotators, supporting personalised action selection aligned with user norms. Our code is publicly available at https://github.com/Cambridge-AFAR/StARS.git.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI