利用生成对抗神经网络预测二元交互中的非言语社交信号
人工智能
2021-10-19 v1
摘要
我们正迈向一个社交机器人将日益普及于日常生活的诸多方面（包括教育、医疗、工作及个人使用）的未来。所有这些实际应用都要求人与机器人在人类环境中协作，而社交互动在其中不可避免。除了言语交流，成功的社交互动还与非言语感知与行动机制之间的相互作用密切相关，例如观察注视行为并跟随其注意力、协调手势的形式与功能。人类以本能且自适应的方式进行非言语交流，毫不费力。因此，机器人若要在我们的社交环境中取得成功，就应以类人的方式参与社交互动，并具备越来越高的自主水平。特别是，非言语手势有望赋予社交机器人强调其话语或展示其意图的能力。受此启发，我们的研究旨在揭示社交互动中人类行为的建模规律，具体而言，即预测二元交互中人类的非言语社交信号，其总体目标是开发能够学习并模仿人类二元交互的机器人接口。该方法将确保编码在机器人手势中的信息能被交互伙伴以简便透明的方式感知，从而有助于改善交互伙伴的感知并提升社交互动的效果。
引用
@article{arxiv.2110.09378,
title = {Forecasting Nonverbal Social Signals during Dyadic Interactions with Generative Adversarial Neural Networks},
author = {Nguyen Tan Viet Tuyen and Oya Celiktutan},
journal= {arXiv preprint arXiv:2110.09378},
year = {2021}
}