Robonomics in the 6G Era: Playing the Trust Game With On-Chaining Oracles and Persuasive Robots
Notice bibliographique
Résumé
6G is anticipated to become more human-centered than 5G and should not only explore more spectrum at high-frequency bands but, more importantly, converge driving technological trends such as blockchain technologies and connected robotics. This paper focuses on the emerging field of robonomics, which studies the sociotechnical impact of blockchain technologies on social human-robot interaction and behavioral economics for the social integration of robots into human society. Advanced blockchain technologies such as oracles enable the on-chaining of blockchain-external off-chain information stemming from human users. In doing so, they leverage on human intelligence rather than machine learning only. In this paper, we investigate the widely studied trust game of behavioral economics in a blockchain context, paying close attention to the importance of developing efficient cooperation and coordination technologies. After identifying open research challenges of blockchain-enabled implementations of the trust game, we first develop a smart contract that replaces the experimenter in the middle between trustor and trustee and demonstrate experimentally that a social efficiency of up to 100% can be achieved by using deposits to enhance both trust and trustworthiness. We then present an on-chaining oracle architecture for a networked N-player trust game that involves a third type of human agents called observers, who track the players' investment and reciprocity. The presence of third-party reward and penalty decisions helps raise the average normalized reciprocity above 80%, even without requiring any deposit. Finally, we experimentally demonstrate that mixed logical-affective persuasive strategies for social robots improve the trustees' trustworthiness and reciprocity significantly.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».