FABG：面向嵌入式情感人机交互的端到端模仿学习
机器人学
2025-03-05 v2 机器学习
摘要
本文提出了FABG（Facial Affective Behavior Generation），一个用于人机交互的端到端模仿学习系统，旨在生成自然流畅的面部情感行为。在交互过程中，有效获取高质量演示仍是一个挑战。本文我们开发了一个沉浸式虚拟现实（VR）演示系统，允许操作员感知立体环境。该系统确保"操作员的视觉感知匹配机器人的感知输入"和"操作员的动作直接决定机器人的行为"——仿佛操作员取代机器人参与人类交互。我们提出一种基于预测的延迟补偿策略，以减少机器人反应延迟并提升交互流畅度。FABG自然地获取人类交互行为和潜意识动作，由直觉驱动，消除了手动行为脚本。我们在一个具有25自由度的humanoid机器人上部署FABG，通过数据收集和策略训练验证了其在四项基本交互任务（表情响应、动态注视、聚焦注意、手势识别）中的有效性。项目网站：https://cybergenies.github.io
引用
@article{arxiv.2503.01363,
title = {FABG : End-to-end Imitation Learning for Embodied Affective Human-Robot Interaction},
author = {Yanghai Zhang and Changyi Liu and Keting Fu and Wenbin Zhou and Qingdu Li and Jianwei Zhang},
journal= {arXiv preprint arXiv:2503.01363},
year = {2025}
}
备注
Project website: https://cybergenies.github.io