用于人机交互中参与度识别的社交信号检测
人机交互
2017-10-02 v1 机器人学
摘要
在对话过程中检测参与度是人机交互的一项重要功能。用户的参与度水平可以影响机器人的对话策略。我们在本工作中的动机是检测几种行为，这些行为将作为实时参与度识别模型的社交信号输入。这些行为包括点头、笑声、言语回应和视线注视。我们描述了这些行为的模型，这些模型是从与仿人机器人 ERICA 的大量人机交互语料库中学习得到的。模型的输入数据来自 Kinect 传感器和麦克风阵列。使用我们的参与度识别模型，与使用人工标注作为输入相比，使用来自自动社交信号检测的输入可以实现合理的性能。
引用
@article{arxiv.1709.10257,
title = {Detection of social signals for recognizing engagement in human-robot interaction},
author = {Divesh Lala and Koji Inoue and Pierrick Milhorat and Tatsuya Kawahara},
journal= {arXiv preprint arXiv:1709.10257},
year = {2017}
}
备注
AAAI Fall Symposium on Natural Communication for Human-Robot Collaboration, 2017