面向人机交互研究的情感计算：给搭便车者的四条关键经验
机器人学
2023-04-03 v1 人机交互
摘要
社交机器人与人机交互（HRI）研究依赖不同的情感计算（AC）方案，用于在交互过程中感知、识别和理解人类情感行为。这可能包括利用在流行情感识别基准上预训练好的现成情感感知模型，并直接应用于情境化交互。然而，情境化人机交互中的条件与这些模型的训练数据和设置存在显著差异。因此，有必要深化我们对如何最好地利用、定制和应用 AC 方案于情境化 HRI 的理解。本文在批判现有实践的同时，提出了搭便车者在将 AC 应用于 HRI 研究时需注意的四条关键经验。这些经验指出：(i) 六种基本情绪类别在情境化交互中不相关，(ii) 情感识别准确率（%）的提升并不重要，(iii) 情感识别不能跨上下文泛化，以及 (iv) 仅靠情感识别不足以实现适应与个性化。通过描述每条经验的背景与上下文，并展示这些经验是如何被习得的，本文旨在使搭便车者能够成功且富有洞见地利用 AC 方案推进 HRI 研究。
引用
@article{arxiv.2303.18176,
title = {Affective Computing for Human-Robot Interaction Research: Four Critical Lessons for the Hitchhiker},
author = {Hatice Gunes and Nikhil Churamani},
journal= {arXiv preprint arXiv:2303.18176},
year = {2023}
}
备注
11 pages, 3 figures, 1 table