Towards scalable robotic intervention of children with Autism Spectrum Disorder using LLMs

要約

この論文では、自閉症スペクトラム障害（ASD）を持つ子供たちと言葉で対話できるソーシャルロボットを提案します。
このコミュニケーションは、Large Language Model (LLM) パイプラインを使用して生成されたテキストを使用して視点の取得を教えることを目的としています。
ソーシャルロボット NAO は、刺激者 (社会的状況を言葉で説明し、質問する)、プロンプター (3 つの選択肢から選択するものを提示する)、および強化者 (答えが正しい場合に褒める) として機能します。
刺激者の役割として、LLM パイプラインを使用して社会的状況、質問、およびオプションが生成されます。
GPT-2 + BART と GPT-2 + GPT-2 の 2 つのアプローチを比較します。パイプライン間で共通する最初の GPT-2 は、教師なしの社会状況の生成に使用されます。
SOCIALIQA データセットを使用して、すべての LLM パイプラインを微調整します。
GPT-2 + BART パイプラインは、個々の損失関数を組み合わせて質問と選択肢を生成する際に、より優れた BERT スコアを持っていることがわかりました。
この観察は人間による評価とも一致しました。
最後に、社会的状況の教師なし生成が T-SNE プロットを使用して視覚化され、人間の専門家によってパイプライン全体が ASD の子供にとって適切であるかどうかが評価されました。

要約(オリジナル)

In this paper, we propose a social robot capable of verbally interacting with children with Autism Spectrum Disorder (ASD). This communication is meant to teach perspective-taking using text generated using a Large Language Model (LLM) pipeline. The social robot NAO acts as a stimulator (verbally describes a social situation and asks a question), prompter (presents three options to choose from), and reinforcer (praises when the answer is correct). For the role of the stimulator, the social situation, questions, and options are generated using our LLM pipeline. We compare two approaches: GPT-2 + BART and GPT-2 + GPT-2, where the first GPT-2 common between the pipelines is used for unsupervised social situation generation. We use the SOCIALIQA dataset to fine-tune all of our LLM pipelines. We found that the GPT-2 + BART pipeline had a better BERTscore for generating the questions and the options by combining their individual loss functions. This observation was also consistent with the human evaluations. Lastly, the unsupervised generation of social situations was visualized using T-SNE plots, and the entire pipeline was evaluated for appropriateness for children with ASD by human experts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google