将通用轮次模型应用于人机对话互动
计算与语言
2025-01-16 v1 机器人学
摘要
轮次是对话的基本方面，但当前的人机交互 (HRI) 系统往往依赖于简单、基于静默的模型，导致不自然的暂停和中断。本文首次将通用轮次模型，即 TurnGPT 和 Voice Activity Projection (VAP)，应用于改进 HRI 中的对话动态。这些模型是基于人类-人类对话数据使用自监督学习目标训练的，不需要特定领域的 fine-tuning。我们提出了将这些模型联合使用的 methods，以预测机器人何时应该准备响应、轮次以及处理潜在中断。我们使用 Furhat 机器人对 39 名成年受试者进行 within-subject 研究，对比传统基线系统。研究结果显示，受试者显著偏好所提出的系统，并且显著减少了响应延迟和中断。
引用
@article{arxiv.2501.08946,
title = {Applying General Turn-taking Models to Conversational Human-Robot Interaction},
author = {Gabriel Skantze and Bahar Irfan},
journal= {arXiv preprint arXiv:2501.08946},
year = {2025}
}
备注
Accepted at HRI 2025 (the IEEE/ACM International Conference on Human-Robot Interaction)