纵向正念训练中用户对遥操作机器人教练情感与感知的动态贝叶斯网络建模
人机交互
2024-10-28 v3 机器人学
摘要
与社会辅助机器人的纵向交互研究对于确保机器人对长期使用的适用性及其感知不易受新奇效应影响至关重要。在本文中,我们提出一种动态贝叶斯网络 (DBN) 来捕捉参与者与提供正念课程的遥操作机器人教练 (RC) 之间的纵向交互。该 DBN 模型用于研究在一项 5 周纵向研究中,参与者的自我报告人格特质、每周基线幸福感得分、课程评分以及课程期间引发的面部 AU 之间的复杂时间交互。DBN 建模学习一种图形表示,有助于直观理解多个组分如何促成与 RC 感知相对应的课程评分以及参与者放松和平静水平的纵向变化。所学模型捕捉了纵向交互研究的以下会话内与会话间方面:5 个人格维度对面部 AU 状态和课程评分的影响、面部 AU 状态对课程评分的影响,以及课程评分各项内部的影响。DBN 结构使用前三时间点学习,所得模型用于预测 5 周纵向数据的最后两个时间点的课程评分。预测通过按被试的 RMSE 和 R2 分数进行量化。我们还展示了该模型的两个应用,即数据集中缺失值的填补,以及具有给定人格特征的新参与者的纵向课程评分估计。因此,所获得的 DBN 模型有助于学习纵向数据中变量间的条件依赖结构,并提供其他回归方法无法实现的推断与概念性理解。
引用
@article{arxiv.2112.02017,
title = {Dynamic Bayesian Network Modelling of User Affect and Perceptions of a Teleoperated Robot Coach during Longitudinal Mindfulness Training},
author = {Indu P. Bodala and Hatice Gunes},
journal= {arXiv preprint arXiv:2112.02017},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication