基于端到端学习的社会机器人非语言社交行为生成
机器人学
2022-11-03 v1
摘要
为提供有效且愉悦的人机交互，社交机器人展现诸如握手或拥抱等非语言行为十分重要。然而，重现预编码动作的传统方法使用户易预测机器人反应，给人机器人是机器而非真实智能体的印象。因此，我们提出一种基于Seq2Seq模型的神经网络架构，以端到端方式从人人交互中学习社交行为。我们采用生成对抗网络防止在生成长时行为时出现无效姿态序列。为验证所提方法，在模拟环境中使用人形机器人Pepper进行了实验。由于难以判定社交行为生成的成败，我们提出新度量来计算生成行为与真实行为间的差异。我们利用这些度量展示了不同网络架构选择如何影响行为生成性能，并比较了学习多种行为与学习单一行为的性能。我们期望所提方法不仅可用于家庭服务机器人，也可用于导览机器人、配送机器人、教育机器人与虚拟机器人，使用户享受并与机器人有效交互。
引用
@article{arxiv.2211.00930,
title = {Nonverbal Social Behavior Generation for Social Robots Using End-to-End Learning},
author = {Woo-Ri Ko and Minsu Jang and Jaeyeon Lee and Jaehong Kim},
journal= {arXiv preprint arXiv:2211.00930},
year = {2022}
}
备注
10 pages, 7 figures, 3 tables, submitted to the International Journal of Robotics Research (IJRR)