开发基于数据驱动的真实世界人机交互情感表达分类体系
机器人学
2021-03-09 v1
摘要
情感是可通过多种社交信号表达出来的反应。例如，愤怒可通过皱眉、眯眼、长时间凝视或许多其他表情来表达。这种复杂性在试图识别人机交互中人类表情时带来了问题：HRI 中使用的分类情绪模型通常仅使用少数原型类别，并未涵盖真实场景中广泛的表情。我们提出了一种数据驱动的方法，用于将人机交互中已知情绪类别的数量增加至 28 类或更多。该方法包括将视频流自动分割为短（<10秒）视频，并使用大量广泛理解的 emoji 作为类别进行标注。在这项工作中，我们展示了对大型真实场景 HRI 数据集（UE-HRI）的初步结果，从该数据集中随机采样 61 个片段，用 28 种不同的 emoji 进行标注。特别地，我们的结果显示“怀疑”emoji 在我们的数据集中是一种常见的表情，而典型情绪分类体系通常不予以考虑。这是开发丰富情感表达分类体系的第一步，该体系未来可用作训练机器学习模型的标签，以实现机器人对人类更准确的感知。
引用
@article{arxiv.2103.04262,
title = {Developing a Data-Driven Categorical Taxonomy of Emotional Expressions in Real World Human Robot Interactions},
author = {Ghazal Saheb Jam and Jimin Rhim and Angelica Lim},
journal= {arXiv preprint arXiv:2103.04262},
year = {2021}
}