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

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

下記の文章は論文のアブストラクトをChatGPTに解釈させたものであり、正確性は保証しません。

• 論文タイプ：原著論文

• 掲載誌：arXiv（プレプリントサーバー）

本研究の背景と関連研究：
本研究は、自閉症スペクトラム障害（ASD）を持つ子供たちとのコミュニケーションにおいて、ロボットのスケーラビリティを向上させることを目指しています。過去の研究では、ロボットがASDの子供たちとのコミュニケーションに役立つことが示されています。また、大規模言語モデル（LLM）を使用したテキスト生成による視点の取り方の教育も有望な手法として提案されています。

本研究の目的とその重要性：
本研究の目的は、ASDの子供たちとのコミュニケーションにおいて、LLMパイプラインを使用したテキスト生成による視点の取り方を教えることができる社会的なロボットを提案することです。この研究の重要性は、ASDの子供たちが社会的なスキルを向上させるためには、適切な指導やサポートが必要であり、ロボットがその役割を果たす可能性があるという点にあります。

本研究で用いた材料やデータの詳細：
本研究では、LLMパイプラインを使用して、社会的な状況、質問、選択肢を生成するために、GPT-2 + BARTおよびGPT-2 + GPT-2の2つのアプローチを比較しました。また、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した。さらに、人間の専門家によるASDの子供たちへの適切性の評価も行いました。

本研究で何をどのように、どこまで明らかにした？
本研究では、ASDの子供たちとのコミュニケーションにおいて、LLMパイプラインを使用したテキスト生成による視点の取り方を教えるための社会的なロボットを提案しました。具体的には、ロボットが刺激を与える役割（社会的な状況を説明し、質問をする）、プロンプターの役割（3つの選択肢を提示する）、強化者の役割（正解の場合に称賛する）を果たします。また、GPT-2 + BARTパイプラインとGPT-2 + GPT-2パイプラインの2つのアプローチを比較し、GPT-2 + BARTパイプラインが質問と選択肢の生成において優れた結果を示したことを明らかにしました。

本研究の有効性はどのように検証した？
本研究では、GPT-2 + BARTパイプラインが質問と選択肢の生成において優れた結果を示したことを、BERTscoreや人間の評価などを通じて検証しました。また、ASDの子供たちへの適切性の評価も人間の専門家によって行われました。

効果的なキーワードの提案：
#自閉症スペクトラム障害 #ロボット介入 #大規模言語モデル #社会的HRI