いつ助けましょうか？グループの人とロボットの協働におけるプロアクティブ性の効果
複数人による人とロボットの協働におけるロボットのイニシアチブの影響を調査。協力型脱出ゲーム実験で、リアクティブモデル（呼ばれたときのみ応答）とプロアクティブモデル（常時リスニング、自律的貢献、定期的な再開始）を比較。プロアクティブモデルは対話頻度を大幅に増加させたが、リアクティブモデルの成功率は92.86%と高く、プロアクティブモデルは71.42%だった。効果はLLM経験、ロボット経験、性格特性によって調整された。
ロボットのイニシアチブは、複数人による人とロボットの協働における中心的な課題です。積極的に介入するロボットはタイムリーな支援を提供できる一方で、調整を妨げたり、注意を分散させたり、ターンテイキングを中断する可能性があります。一方、指示を待つロボットは人間の制御を維持できるものの、支援の機会を逃す恐れがあります。この設計上の課題を調査するため、研究チームは協力型脱出ゲーム実験を実施し、2人1組の参加者が人型ロボットと協力して課題に取り組みました。
実験では、ロボットが呼ばれたときのみ応答する「リアクティブモデル」と、常に聴取し自律的に貢献し定期的に相互作用を再開する「プロアクティブモデル」の2つを比較しました。パズル解決パフォーマンス、対話頻度、GodspeedスケールとRoSASスケールによる参加者評価を用いて評価しました。
結果として、プロアクティブモデルは対話頻度を大幅に増加させましたが、リアクティブモデルは全体的な成功率が高く（92.86%対71.42%）、記述的に優れていました。最も顕著な違いは、事前経験と性格を考慮した場合に見られました。LLM経験のある参加者はリアクティブ条件下で初期パズルをより速く解決し、ロボット経験のある参加者や内向的な参加者は両モデルの評価に差異を示しました。これらの発見は、ロボットのイニシアチブの効果が、ユーザーの事前経験、性格特性、そしてより一般的にはグループのニーズによって同時に形成されることを示しています。
本研究はRO-MAN 2026会議で発表され、適応的な人とロボットの協働システムの設計に重要な示唆を与えます。