Modeling Group Dynamics for Personalized Robot-Mediated Interactions

要約

人間-人間-ロボット インタラクション (HHRI) の分野では、ソーシャル ロボットを使用して、人間が相互に対話する方法にプラスの影響を与えます。
この目的には、相互作用中の複数の人間を集合的な実体として考慮し、その中に存在するグループのダイナミクスを表す人間理解のモデルが必要です。
グループのダイナミクスを理解することは、グループ全体だけでなく、グループ内の各個人の行動、態度、意見にも影響を与える可能性があるため、重要です。
このような理解は、ロボットとその環境内の人間との間の相互作用をパーソナライズするときにも役立ちます。グループレベルのモデルにより、特定のグループ、そのグループ内に存在するダイナミクス、およびグループに合わせたロボットの動作の設計が容易になります。
個々の対話者の特定のニーズと好み。
この論文では、人間と人間とロボットのインタラクション研究における人間理解のグループレベルのモデルの必要性と、それらがパーソナライゼーション技術の開発にどのように役立つかを強調します。
私たちはグループダイナミクスの既存のモデルを調査し、それらを社会的支配、感情、社会的結束、紛争解決のモデルに分類します。
これらのモデルが利用する重要な機能を強調し、社会的相互作用の対人的側面を捉える可能性を評価し、パーソナライゼーション技術としてのその価値を強調します。
最後に、今後の研究の方向性を特定し、人間と人間の相互作用をグループレベルでよりよく理解し、人間と人間とロボットの相互作用をパーソナライズするのに役立つアプローチとして、関係性感情モデルを主張します。

要約(オリジナル)

The field of human-human-robot interaction (HHRI) uses social robots to positively influence how humans interact with each other. This objective requires models of human understanding that consider multiple humans in an interaction as a collective entity and represent the group dynamics that exist within it. Understanding group dynamics is important because these can influence the behaviors, attitudes, and opinions of each individual within the group, as well as the group as a whole. Such an understanding is also useful when personalizing an interaction between a robot and the humans in its environment, where a group-level model can facilitate the design of robot behaviors that are tailored to a given group, the dynamics that exist within it, and the specific needs and preferences of the individual interactants. In this paper, we highlight the need for group-level models of human understanding in human-human-robot interaction research and how these can be useful in developing personalization techniques. We survey existing models of group dynamics and categorize them into models of social dominance, affect, social cohesion, and conflict resolution. We highlight the important features these models utilize, evaluate their potential to capture interpersonal aspects of a social interaction, and highlight their value for personalization techniques. Finally, we identify directions for future work, and make a case for models of relational affect as an approach that can better capture group-level understanding of human-human interactions and be useful in personalizing human-human-robot interactions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google