HAPI：基于人类偏好的机器人面部表情学习模型
机器人学
2025-07-04 v2 人工智能
计算机视觉与模式识别
人机交互
机器学习
摘要
自动化机器人面部表情生成对于人机交互至关重要，因为基于固定关节配置的手工方法往往产生僵硬且不自然的行为。虽然最近的自动化技术减少了手动调参的需求，但它们往往未能充分搭建人类偏好与模型预测之间的鸿沟，导致表情细腧且不够真实。本文提出一种新型学习排序框架，利用人类反馈来解决这一差距并提升机器人面部表情的表达性。具体而言，我们进行成对比较标注收集人类偏好数据，发展Human Affective Pairwise Impressions（HAPI）模型，一种基于Siamese RankNet的方法对表情评估进行细化。通过贝叶斯优化和在35-DOF android平台上的在线表情调查，我们的结果表明，该方法生成的愤怒、幸福和惊讶等表情显著更真实且更符合社交语境，优于基线方法和专家设计的方法。这一发现确认了我们的框架有效搭建了人类偏好与模型预测之间的差距，同时稳健地将机器人表情生成与人类情感反应保持一致。
引用
@article{arxiv.2503.17046,
title = {HAPI: A Model for Learning Robot Facial Expressions from Human Preferences},
author = {Dongsheng Yang and Qianying Liu and Wataru Sato and Takashi Minato and Chaoran Liu and Shin'ya Nishida},
journal= {arXiv preprint arXiv:2503.17046},
year = {2025}
}
备注
Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2025