面向社交机器人的主观自我披露识别的多模态神经网络
机器人学
2025-08-15 v1 人工智能
摘要
主观自我披露是人类社交互动的重要特征。尽管在社会和行为文献中已对其特征和后果进行了大量研究，但迄今为止，开发能够准确建模主观自我披露的计算系统的工作仍寥寥。更少有工作试图具体建模人类交互者如何与机器人伙伴进行自我披露。随着社交机器人需要在各种社交场景中与人类协作并建立关系，这一问题变得尤为紧迫。本文旨在开发基于情感识别文献中模型的自定义多模态注意力网络，训练该模型使用大规模自收集的自我披露视频语料库，并构建新的损失函数——尺度保持交叉熵损失，以提升分类和回归问题的性能。我们的结果表明，采用新型损失函数训练的最佳模型达到了0.83的F1分数，相较于最佳基线模型提升了0.48。这一结果为社交机器人识别交互伙伴自我披露提供了重要进展，而这一能力对具有社会认知功能的社交机器人至关重要。
引用
@article{arxiv.2508.10828,
title = {A Multimodal Neural Network for Recognizing Subjective Self-Disclosure Towards Social Robots},
author = {Henry Powell and Guy Laban and Emily S. Cross},
journal= {arXiv preprint arXiv:2508.10828},
year = {2025}
}
备注
Accepted at 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)