遠隔操作/主体性知覚2026/9/6arXiv:2609.06434

人間はヒューマノイド遠隔操作における人間とAIの主体性を区別できるか？主体性知覚の予備研究

Can People Distinguish Human and AI Agency in Humanoid Teleoperation? A Preliminary Study of Agency Perception

ヒューマノイド遠隔操作で、人間操作とAI制御の音声・表情・ジェスチャーを比較し、参加者がどちらかを判別できるか予備実験で調査した。結果、短いやり取りでは区別が難しいことが示された。

詳しい要約

1. どんなもの？

本論文は、人間とAIのどちらが遠隔操作でヒューマノイドロボットを制御しているかを、人が見分けられるかを探る予備的研究である。そのために、ロボットの音声、表情、ジェスチャーを人間オペレータまたはAI制御で操作できる遠隔操作フレームワーク『Ghost-in-the-Loop』を開発した。オンライン実験（N=50）で、参加者は人間またはAIが生成した短いインタラクション動画を見て、制御源を判断した。

2. 先行研究と比べてどこがすごい？

先行研究では、人間とAIのエージェンシー知覚は個別に研究されてきたが、同一の身体性（embodiment）を持つヒューマノイドロボットを介して、人間とAIの制御を直接比較した研究はほとんどない。本論文は、同一のロボット外見と動作範囲で人間オペレータとAI制御を切り替えられるフレームワークを導入し、短いインタラクションで人々が両者を区別できるかという新たな問いに取り組んでいる点が新しい。

3. 技術・手法の肝は？

手法の肝は、『Ghost-in-the-Loop』フレームワークの設計にある。これは、ロボットの音声、表情、ジェスチャーを、人間オペレータが直接操作するか、AIが生成するかを切り替えられるが、ロボットの身体性（見た目や動作の範囲）は一貫して保たれる。これにより、制御源以外の変数を統制し、参加者の知覚を評価できる。実験では、参加者に短いインタラクションクリップを見せ、制御源が人間かAIかを判断させた。

4. どうやって有効だと検証した？

オンライン実験（N=50）を実施し、参加者は人間オペレータまたはAI制御によって生成された短いインタラクションクリップを視聴し、知覚された制御源を判断した。結果、参加者は短いインタラクションでは2つの条件を区別するのに苦労することが示された。また、質的な回答から、判断は主に知覚された自然さ、時間的調整、音声・表情・ジェスチャーの一貫性に影響されることが示された。

5. 議論はある？

議論として、短いインタラクションでは人間とAIのエージェンシーを区別することが難しいという知見は、今後のブレンド型の人間-AI遠隔プレゼンスシステムの設計に示唆を与える。しかし、予備的研究であり、サンプルサイズや実験設定の限界がある。また、参加者の判断がどのような手がかりに基づくかは質的データから示唆されたが、量的に検証されていない。長いインタラクションや異なるタスクでの検証が必要である。

6. 次に読むべき論文は？

要旨からは、次に読むべき具体的な論文は不明である。しかし、関連分野として、エージェンシー知覚（agency perception）、ヒューマノイドロボットの遠隔操作（teleoperation）、人間とAIのコミュニケーション（human-AI communication）に関する研究が挙げられる。具体的には、同一の身体性を持つロボットにおける人間とAIの制御比較や、ブレンド型遠隔プレゼンスシステムに関する論文が関連する。

※ 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: Xiang Li, Koya Dendo, Keigo Minamida, Yuto Nakamura, Per Ola Kristensson, Jun Rekimoto

分類: cs.HC, cs.RO

原文アブストラクト

Can people distinguish between human and AI agency in humanoid teleoperation? To explore this question, we developed \textit{Ghost-in-the-Loop}, a teleoperation framework that supports both human-operated and AI-generated control of a robot's voice, facial expressions, and gestures while maintaining a consistent embodiment. We conducted a preliminary online study ($N=50$) in which participants viewed short interaction clips generated by either a Human Operator or an AI Control and judged the perceived source of control. Results suggest that participants often struggled to distinguish between the two conditions in brief interactions. Qualitative responses indicate that judgments were primarily influenced by perceived naturalness, temporal coordination, and consistency across speech, facial expression, and gesture. These findings provide initial insights into agency perception in embodied human--AI communication and motivate future investigations of blended human--AI telepresence systems.

arXivで原文を読む →arXiv概要ページ

← 論文一覧