본 논문은 대규모 언어 모델(LLM) 기반 로봇과의 향상된 인간-로봇 상호작용(HRI)을 위해, 가정 환경과 같은 사적인 환경에서 작동하는 로봇이 수집하는 오디오, 고해상도 이미지, 비디오 및 위치 정보 등의 민감한 개인 정보 처리에 대한 문제를 다룬다. Contextual Integrity(CI) 프레임워크를 사용하여 개발된 일련의 프라이버시 관련 시나리오를 통해 사용자의 프라이버시 선호도를 조사하고(N=450), 최첨단 LLM(N=10)의 응답과 비교 분석하여 인간과 LLM 간의 프라이버시 인식 수준의 차이를 밝혔다. 나아가, LLM의 프라이버시 제어 능력을 향상시키기 위한 네 가지 추가적인 프롬프팅 전략을 구현하고 그 결과를 비교 분석하였다. 결과적으로, LLM의 프라이버시 인식 수준이 아직 미흡함을 보여주었으며, AI 프라이버시 인식의 HRI에서의 의미와 잠재력을 논의한다.
