情報処理学会 インタラクション2026

大規模言語モデル（LLM）の発展により，バーチャル物理環境で自然言語指示に基づきタスクを遂行する自律エージェントの研究が活発化している．従来は作業支援を主目的とし，指示遵守や効率性の最大化が中心であった．一方，エージェントを長期的な協働相手として捉える場合，効率性とは異なるデザイン軸として主体性の表出が重要となる．本研究では，LLM による指示理解と内部状態（疲労・機嫌）に基づく拒否判断を分離して制御し，意図的に拒否（Won't）を行う「拒否エージェント」を提案する．不能（Can't）と拒否（Won't）を区別し，拒否が故障ではなく意思表示として知覚されるための表現（言語的説明と代替行動）を検討する．また Responsible AI の観点から，制御可能性・害の限定性・透明性を満たすガードレールを実装した．評価として，シミュレーションにより拒否--回復サイクルの安定性と拒否頻度の制御可能性を検証し，予備的印象評価を通じて拒否が主体性知覚・社会的実在感・受容性に与える影響を考察する．