人工共情分类：深度学习技术、数据集与评估量表的综述
机器人学
2023-10-03 v1 人工智能
机器学习
摘要
过去十年间，机器学习（ML）与辅助发育机器人（ADR）领域的研究者对人工共情（AE）作为人机交互（HRI）可能的未来范式产生了兴趣。人类自出生起便学习共情，因此将这种感知赋予机器人与智能机器颇具挑战。尽管如此，通过大量数据与时间的训练，机器人在一定程度上模仿共情是可行的。AE 的训练技术以及共情 AI 研究领域的发现不断演进。人工共情的标准工作流包含三个阶段：1）利用从视频或文本数据中获取的特征进行情绪识别（ER）；2）分析感知到的情绪或共情程度以选择最佳行动；3）执行响应动作。近期将 AE 用于虚拟代理或机器人的研究常包含深度学习（DL）技术。例如，使用 VGGFace 等模型进行 ER；使用自编码器等半监督模型生成相应的情绪状态与行为响应。然而，尚无研究提出一种独立评估 AE 或反应共情程度的方法。本文旨在调研并评估现有的共情测量与评估工作，以及迄今已收集和使用的数据集。我们的目标是通过比较最先进方法的性能，凸显并促进 AE 领域前沿方法的使用。这将有助于 AE 领域的研究者精准选择其方法。
引用
@article{arxiv.2310.00010,
title = {Artificial Empathy Classification: A Survey of Deep Learning Techniques, Datasets, and Evaluation Scales},
author = {Sharjeel Tahir and Syed Afaq Shah and Jumana Abu-Khalaf},
journal= {arXiv preprint arXiv:2310.00010},
year = {2023}
}