人間型ロボットが自然で信頼できる対話を実現するには、一貫性がありかつユーザに適応可能なパーソナが不可欠です。しかし、既存のアプローチはほとんどの場合、静的に定義された固定のアイデンティティに依存しており、個々のユーザのコンテキストに適応する柔軟性を欠いています。この問題に対処するため、Peizhen Li氏らによる国際研究チームは、PACE（Persona Adaptation through Conversational Elicitation）フレームワークを提案しました。本論文は2026年7月17日にarXivに提出され、全8ページ、5つの図を含み、デモビデオも公開されています。
PACEは、対話型パーソナ引き出しパイプラインとパーソナプロンプト編集フェーズから構成されます。最初のフェーズでは、ロボットがユーザとのマルチターンのQ&Aを通じて、好み、価値観、コミュニケーションスタイル、興味など、複数の心理学的次元にわたる情報を収集します。これにより、ユーザ固有のプロファイルが構築されます。次のフェーズでは、これらの情報を多視点の次元に基づいた構造化パーソナプロンプトにコンパイルします。このプロンプトは、ロボットの行動を導く中心的な仕様となります。
身体化システム統合のプロセスでは、Amecaロボットがこの構造化仕様を表情、音声トーン、ジェスチャーなど表現豊かなマルチモーダル行動に変換します。具体的には、生成されたパーソナプロンプトを行動生成パイプラインに組み込み、一貫性のある個性的な対話スタイルを実現します。例えば、友好的なパーソナの場合、ロボットは笑顔や温かい口調を頻繁に使用する一方、プロフェッショナルなパーソナでは控えめな表情と正確な言語表現を選びます。
研究チームは、一般的なベースラインパーソナと比較する形で包括的な被験者実験を実施しました。評価指標は、ユーザの信頼、知覚される擬人化、パーソナの一貫性、個人との関連性、および全体的なインタラクション品質です。結果は、動的に生成されたパーソナがすべての指標でベースラインを有意に上回ることを示しました。被験者は、ロボットが自分を理解していると感じ、より自然で没入感のある対話を体験したと報告しています。
本研究は、人間型ロボットにパーソナライズされた信頼性の高いアイデンティティを展開するためのスケーラブルな道筋を示しています。将来的には、カスタマーサービス、教育、介護などの分野で、個別化されたロボットアシスタントが現実のものとなるでしょう。動画デモでは、Amecaが短い対話を通じて、友好的で外向的なパーソナから冷静で専門的なパーソナへと変化する様子を確認できます。