人間とロボットの協働における大規模言語モデルの統合の探求：パフォーマンス、精神的ストレス、信頼への影響

科学分野:

• ロボット工学
• ヒューマンコンピュータインタラクション
• 人工知能

背景:

• 大規模言語モデル（LLM）は、ロボットシステムにますます統合されています。
• 効果的なインタラクション設計のためには、LLM強化ロボット工学が人間とロボットの協働（HRC）に与える影響を理解することが不可欠です。
• LLMは、HRCにおけるより自然なコミュニケーションと認知負荷の軽減の可能性を提供します。

研究 の 目的:

• HRCタスク中のユーザーのパフォーマンス、精神的ストレス、信頼に対するLLM強化ロボットシステムの影響を調査すること。
• LLMサポートありと無しのHRCシナリオを比較すること。
• ユーザーエクスペリエンスの主観的および客観的尺度の両方を評価すること。

主な方法:

• 2つのHRCシナリオ（オブジェクト配信、指示追従）が使用されました。
• 参加者はLLMサポートありと無しでタスクを完了しました。
• パフォーマンス指標には、タスク完了時間と音声コマンドが含まれていました。
• 精神的ストレスはNASA-TLXと皮膚コンダクタンス反応（GSR）を使用して測定されました。
• 信頼性はSHAPE Trust Indexとアイトラッキングを使用して評価されました。

主要な成果:

• LLMの統合は、タスク効率を大幅に向上させました（完了時間の短縮、コマンド数の減少）。
• 主観的な精神的ストレス、特に精神的負荷、努力、欲求不満が軽減されました。
• 参加者は、複数の次元（有用性、信頼性、正確性、使いやすさ）でLLM支援システムへの信頼が高まったと報告しました。
• GSRデータは、関与または肯定的な感情的活性化の増加を示唆しましたが、アイトラッキングでは有意な差は見られませんでした。

結論:

• LLMは、自然なコミュニケーションを促進し、精神的ワークロードを軽減することにより、HRCを強化する大きな可能性を示しています。
• ユーザーの信頼の向上は、協働ロボットにおけるLLM統合の重要な利点です。
• LLM搭載HRCにおけるユーザーの信頼を維持するためには、システムの透明性に関するさらなる研究が必要です。