본 논문은 대규모 언어 모델(LLM) 기반의 대화형 로봇에서 발생하는 오류(예: 사용자 의도 오해, 사용자의 대화 중단, 응답 실패) 탐지 및 해결을 위한 ERR@HRI 2.0 챌린지를 소개합니다. 이 챌린지는 16시간 분량의 인간-로봇 상호작용 데이터셋(얼굴, 음성, 머리 움직임 특징 포함)을 제공하며, 로봇 오류의 존재 여부 및 사용자의 오류 수정 의도를 주석으로 달았습니다. 참가자들은 다중 모드 데이터를 사용하여 로봇 오류를 탐지하는 머신러닝 모델을 개발하고, 검출 정확도와 오탐율 등의 지표로 평가받게 됩니다. 이는 사회적 신호 분석을 통한 인간-로봇 상호작용의 오류 탐지 개선을 위한 중요한 단계입니다.