대규모 언어 모델(LLM)을 활용한 대화형 로봇은 인간-로봇 대화를 더욱 동적으로 만들었지만, 여전히 오류 발생 가능성이 높다. ERR@HRI 2.0 챌린지는 이러한 문제를 해결하기 위해 LLM 기반 대화형 로봇의 실패를 감지하는 머신러닝 모델을 벤치마킹하도록 장려하며, 16시간 분량의 인간-로봇 상호작용 데이터셋을 제공한다. 이 데이터셋은 얼굴, 음성, 머리 움직임 등 멀티모달 데이터를 포함하며, 로봇 오류의 유무와 사용자 의도를 포함하여 주석 처리된다. 참가자들은 이 데이터셋을 사용하여 로봇 실패를 감지하는 머신러닝 모델을 개발하고, 정확도와 오탐율 등의 성능 지표로 평가받는다.
