💬 NLP

Charting the Growth of Social-Physical HRI (spHRI): A Systematic Review Pipeline Augmented by Small Language Models

Dit artikel presenteert een systematische review van sociaal-fysieke mens-robotinteractie (spHRI) die aantoont hoe het lokaal draaien van kleine taalmodellen (SLM's) de menselijke expert-screening effectief kan versterken door het proces aanzienlijk te versnellen en relevante artikelen te identificeren die beoordelaars anders wellicht zouden missen.

Oorspronkelijke auteurs: Mayumi Mohan, Ju-Hung Chen, Alexis E. Block

Gepubliceerd 2026-06-26

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Mayumi Mohan, Ju-Hung Chen, Alexis E. Block

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Grote Plaatje: Een Naald Zoeken in een Groeiende Hooiberg

Stel je voor dat je elk enkel boek probeert te vinden in een enorme bibliotheek dat praat over "robots die mensen op een vriendelijke manier aanraken." Dit is een vakgebied genaamd social-physical human-robot interaction (spHRI).

De auteurs van dit artikel merkten twee grote problemen op:

De Bibliotheek Ontploft: Het aantal boeken (onderzoeksartikelen) over dit onderwerp groeit ongelooflijk snel. Het is als een sneeuwbal die een heuvel afrolt, en elk jaar groter wordt.
De Bibliotheek is Rommelig: Iedereen gebruikt verschillende woorden om hetzelfde te beschrijven. De ene wetenschapper noemt het "robotic hugging," een ander noemt het "affective touch," en een derde noemt het "social contact." Dit maakt het erg moeilijk om alle relevante boeken te vinden met een standaard zoekopdracht.

Traditioneel heb je, om deze boeken te vinden, een team van menselijke experts nodig die de titels en korte samenvattingen (abstracts) van duizenden artikelen lezen. Dit is alsof je een team van bibliothecarissen inhuurt om de cover van elk boek te lezen om te beslissen of het in jouw kast thuishoort. Het kost veel tijd, veel geld en is uitputtend.

Het Experiment: Kan een "Zakformaat" AI Helpen?

De onderzoekers wildend weten of ze Small Language Models (SLMs) konden gebruiken om te helpen.

Beschouw een Large Language Model (LLM) (zoals de beroemde modellen die je misschien kent) als een superintelligente, PhD-niveau bibliothecaris die in een gigantisch, duur datacenter woont. Ze zijn briljant, maar vereisen veel elektriciteit en geld om te draaien.

De Small Language Models (SLMs) die in deze studie werden gebruikt, zijn als slimme zakrekenmachines. Ze zijn niet zo krachtig als de PhD-bibliothecaris, maar ze zijn klein, draaien op een gewone desktopcomputer en zijn gratis te gebruiken.

Het team vroeg zich af: Kunnen deze kleine, lokale "zakrekenmachines" ons helpen om de juiste boeken sneller te vinden, zelfs als ze niet zo slim zijn als de menselijke experts?

Hoe Ze Het Deden

Het Menselijke Team: Twee menselijke beoordelaars gingen door een enorme lijst met artikelen en markeerden welke relevant waren (bewaren) en welke niet (verwerpen).
Het AI-Team: Ze draaiden vier verschillende kleine AI-modellen op dezelfde lijst. Deze modellen kregen de opdracht: "Lees de titel en de samenvatting. Gaat dit over robots die mensen sociaal aanraken? Zeg 'Ja' of 'Nee'."
Het Veiligheidsnet: Om er zeker van te zijn dat de AI niet per ongeluk te veel slechte artikelen zou bewaren, gebruikten ze een "unanimiteitsregel." Een artikel werd alleen gemarkeerd voor een tweede controle als alle vier de kleine AI's het eens waren dat het een "Ja" was.

Wat Ze Vonden

De resultaten waren een mix van "nog niet klaar om mensen te vervangen" en "daadwerkelijk zeer nuttige helpers."

1. De AI is Nog Niet de Baas (Nog Niet)
De menselijke beoordelaars waren nog steeds veel beter in het beslissen wat relevant was. De kleine AI's maakten meer fouten dan de mensen. Als je de AI het hele werk alleen zou laten doen, zou het belangrijke artikelen missen of te veel irrelevante artikelen bewaren.

Analogie: Het is alsof je een slimme rekenmachine vraagt om een roman te schrijven. Hij kan wiskunde snel uitvoeren, maar hij kan niet zo goed een verhaal schrijven als een menselijke auteur.

2. De AI is een Snelheidsduivel
Terwijl de mensen 30 tot 60 seconden nodig hadden om één artikel te lezen, deden de kleine AI's het in minder dan een seconde. Ze waren duizenden keren sneller.

Analogie: De mensen wandelen door de bibliotheek; de AI is een hogesnelheidstrein die door de gangen raast.

3. Het Succes van het "Veiligheidsnet"
Dit is de belangrijkste bevinding. Wanneer de AI artikelen markeerde die de mensen hadden verworpen, gingen de mensen terug om ze opnieuw te lezen.

Resultaat: De AI vond 39 artikelen die de mensen hadden gemist.
Impact: Deze 39 artikelen vormden 10,3% van de definitieve lijst met belangrijke studies.
Analogie: Stel je voor dat de mensen aan het vissen waren naar goud. Ze vingen veel goud, maar de AI was een tweede net dat achter de boot aan werd gesleept. Het tweede net ving 10% van het goud dat het eerste net had gemist. Zonder dat tweede net zouden ze een aanzienlijk deel van hun schat kwijt zijn geraakt.

De Conclusie

Het artikel concludeert dat deze kleine, lokale AI-modellen menselijke experts niet moeten vervangen. In plaats daarvan moeten ze worden gebruikt als een veiligheidsnet.

Denk aan een spellingcontrole. Je laat een spellingcontrole je essay niet voor je schrijven, maar je wilt wel dat hij je werk scant om fouten te vinden die je zelf hebt gemist.

Door deze kleine, lokale modellen te gebruiken als een "tweede paar ogen", kunnen onderzoekers:

Enorme hoeveelheden gegevens zeer snel scannen.
Belangrijke artikelen opvangen die door menselijke vermoeidheid over het hoofd zijn gezien.
Dit doen zonder dat er dure cloudservers of enorme energierekeningen nodig zijn.

De auteurs stellen dat, omdat het vakgebied van onderzoek naar robot aanraking zo snel groeit, we dit soort "AI-ondersteunde" hulp nodig hebben om onze kennis georganiseerd en compleet te houden.

Technische Samenvatting: De groei van Social-Physical Human-Robot Interaction (spHRI) in kaart brengen

Probleemstelling
Social-physical human-robot interaction (spHRI), gedefinieerd als fysieke interacties met robots waarbij sociale intentie het primaire doel is, heeft een snelle groei doorgemaakt binnen robotica, human-computer interaction (HCI) en haptiek. Het vakgebied kampt echter met gefragmenteerde terminologie, disciplinaire silo's en inconsistente methodologieën, wat systematische kennisaccumulatie belemmert. Hoewel grootschalige systematische reviews noodzakelijk zijn om dit landschap in kaart te brengen, vormt de enorme hoeveelheid literatuur (meer dan 130.000 kandidaat-publicaties in deze studie) een knelpunt voor menselijke beoordelaars. Traditionele screening is tijdrovend, en hoewel Large Language Models (LLM's) een potentiële oplossing bieden, vereisen ze vaak cloudtoegang, aanzienlijke rekenkracht en roepen ze ethische zorgen op met betrekking tot de CO2-voetafdruk en datatransparantie. Daarom is er behoefte aan toegankelijke, milieuvriendelijke en schaalbare screeningsinstrumenten die niet afhankelijk zijn van dure infrastructuur.

Methodologie
De auteurs voerden een systematische literatuurreview uit volgens een vooraf geregistreerde PRISMA-workflow om de groei van spHRI te onderzoeken en het nut van Small Language Models (SLM's) als hulpmiddel bij screening te evalueren.

Dataverzameling: Records werden opgehaald uit PubMed, IEEE Xplore, Scopus en de ACM Digital Library met behulp van een verfijnde Boolean zoekopdracht die robots, tast/haptiek en sociale/affectieve concepten beslaat. Na het verwijderen van duplicaten bestond de initiële dataset uit ongeveer 182.000 records, waarvan 32.000 werden gescreend door twee onafhankelijke menselijke onderzoekers.
SLM Implementatie: Vier open-source, lichtgewicht SLM's (≤ 1,5 miljard parameters) werden geëvalueerd: Llama3.2 (1B), Gemma3 (1B), Qwen3 (0,6B) en DeepSeek-R1 (1,5B). Deze modellen werden lokaal geïmplementeerd op een consumenten-desktop (Intel i5-13600K, NVIDIA RTX4070) met behulp van het Ollama-framework.
Ensemble Strategie: De modellen werden individueel getest en als een "unanimiteit-ensemble". In de ensemble-aanpak werd een paper alleen gemarkeerd voor menselijke her-screening als alle vier de SLM's voorspelden dat deze "relevant" (inclusie) was. Deze conservatieve regel werd ontworpen om fout-positieven te minimaliseren en de werklast voor handmatige her-screening beheersbaar te houden.
Evaluatiemetrieken: Prestaties werden gemeten ten opzichte van menselijke beoordelaars-labels met behulp van nauwkeurigheid (accuracy), recall, precisie, specificiteit, fout-positief ratio (FPR) en F1-score. Statistische inferentie maakte gebruik van gepaarde niet-parametrische bootstrapping (10.000 resamples) met Holm–Bonferroni correctie.

Kernbijdragen

Systematische mapping van spHRI: De studie biedt de eerste uitgebreide systematische review die HRI, HCI, haptiek en robotica beslaat, waarbij de conceptuele fundamenten en het methodologische landschap van spHRI worden verduidelijkt.
SLM Benchmarking in HRI: Het artikel benchmarkt consumenten-grade SLM's tegen menselijke beoordelaars voor titel- en abstract-screening in een specifiek, genuanceerd domein (spHRI), waarmee het verder gaat dan de typische biomedische of software engineering benchmarks die in de bestaande literatuur worden gevonden.
Toegankelijke Review Pipeline: Het demonstreert een praktische workflow voor het integreren van lokaal geïmplementeerde, laag-parameter modellen in systematische reviews, wat een duurzaam alternatief biedt voor cloud-gebaseerde LLM's.

Resultaten

Groeitraject (H1 Ondersteund): Analyse van het aantal publicaties van 1992 tot 2025 onthult een aanhoudende, niet-lineaire groei in spHRI-onderzoek, met een duidelijke versnelling in het laatste decennium. Een Generalized Additive Model (GAM) die op de data werd gefit, verklaarde 96,9% van de variantie, wat bevestigt dat spHRI een opkomend subveld is.
Prestaties vs. Mensen (H2 Verworpen): Geen enkele enkele SLM of het gecombineerde ensemble evenaarde de prestaties van de menselijke beoordelaar. Alle modellen presteerden significant slechter dan mensen over alle metrieken ( $p < 0,001$ ). Echter, Llama3.2 bereikte de beste zelfstandige overeenstemming met menselijke labels (Specificiteit = 0,9366) terwijl het papers in 0,21 seconden per stuk screende, orders van grootte sneller dan de 30–60 seconden die mensen nodig hebben.
Nut als Veiligheidsnet (H3 Ondersteund): Het unanimiteit-ensemble identificeerde succesvol 39 relevante papers die door de initiële menselijke screening waren gemist. Deze 39 papers vertegenwoordigden 10,29% van de uiteindelijke relevante dataset (379 papers totaal), waarmee de vooraf bepaalde drempel van 5% werd overschreden.
Trade-offs: De resultaten benadrukken een precisie-recall trade-off. Modellen zoals Gemma bereikten een hoge recall (0,9794) maar met extreme over-inclusie (FPR = 0,9185). Daarentegen was de ensemble-aanpak zeer selectief (Precisie = 0,2202) met een zeer lage FPR (0,00161), waardoor het effectief fungeerde als een "veiligheidsnet" om gemiste papers te vangen zonder de beoordelaars te overweldigen met fout-positieven.

Betekenis en Claims
Het artikel betoogt dat SLM's niet moeten worden gezien als vervangers van deskundige menselijke beoordelaars, maar als augmentatieve instrumenten die grootschalige literatuurreviews toegankelijk en duurzaam maken. De auteurs stellen dat:

SLM's kunnen dienen als betrouwbare "second-pass filters" om gemiste relevante studies te herstellen, waardoor de volledigheid van systematische reviews wordt verbeterd.
Lokale implementatie van kleine modellen het proces van systematische reviews democratiseert, waardoor onderzoekslaboratoria zonder toegang tot high-performance cloud computing of dure API-credits in staat zijn om rigoureuze, grootschalige syntheses uit te voeren.
Het veld van spHRI voldoende volwassen is geworden om als een onderscheidend subveld te worden erkend, maar de gefragmenteerde aard ervan vereist het soort systematische synthese waar menselijke inspanning alleen moeite mee heeft om te schalen, waardoor AI-ondersteunde workflows essentieel zijn voor toekomstige onderzoeksconsolidatie.

De auteurs erkennen beperkingen, waaronder het gebruik van binaire (no-confidence) SLM-outputs en een single-pass menselijk screeningsproces, wat een analyse van de inter-beoordelaarsbetrouwbaarheid uitsluit. Zij positioneren dit werk als een Late-Breaking Report (LBR) die een fundament legt voor het verfijnen van prompts, het verkennen van alternatieve ensembles en het uitbreiden van screening naar volledige datasets in toekomstig werk.