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：本論文は研究論文であり、掲載誌は明示されていません。

• 本研究の背景と関連研究：本研究の背景は、人間とロボットの相互作用の改善の必要性にあります。人間と機械の相互作用の問題は、ロボット工学の一分野である人間ロボットインタラクション（HRI）で取り組まれています。人間が効果的に機械と対話できないことは、これらのシステムから十分な利益を得ることを妨げる技術的なボトルネックです。また、Pepperというソフトバンクロボティクスが開発した有名なヒューマノイドソーシャルロボットは、対話認識、事前にコーディングされた対話、ジェスチャー、顔の追跡能力など、多機能な特徴を持っていますが、現在の能力では期待に応えることができない可能性があります。

• 本研究の目的とその重要性：本研究の目的は、大規模言語モデル（LLM）を使用して、ヒューマノイドロボットとのコミュニケーションの壁を解消することです。具体的には、異なる自動音声認識（ASR）APIの比較、Whisper ASRとChatGPTのPepperロボットへの統合、および15人のユーザーによるシステム（Pepper-GPT）の評価を行いました。本研究の重要性は、人間とロボットの相互作用を改善することで、顧客サポートやヘルプデスクサービスなどの応用分野でより人間らしいロボットを実現することにあります。

• 本研究で用いた材料やデータの詳細：本研究では、異なるASR APIの比較を行いました。具体的には、Google ASRとGoogle Cloud ASRと比較して、Whisper ASRの平均単語誤り率（1.716％）と処理時間（2.639秒）が最も低いことを示しました。また、15人のユーザーによるシステムの評価も行われました。

• 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、異なるASR APIの比較結果を明らかにし、Whisper ASRとChatGPTをPepperロボットに統合することで、人間とのコミュニケーションの改善を試みました。また、15人のユーザーによるシステムの評価を通じて、Pepper-GPTのパフォーマンスが「優れている」と評価された割合や、実際の人間と話しているような感覚を持ったユーザーの反応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、Whisper ASRと他のASR APIとの比較を通じて、Whisper ASRの優れた性能を示しました。また、15人のユーザーによるシステムの評価を通じて、Pepper-GPTがユーザーに好評であることを示しました。これにより、本研究の有効性が検証されました。

効果的なキーワードの提案：

• #ヒューマノイドロボット

• #自動音声認識 #ASR

• #大規模言語モデル #LLM

• #人間ロボットインタラクション #HRI