实时受话人估计：深度学习模型在 iCub 机器人上的部署
机器人学
2023-11-10 v1 机器学习
摘要
受话人估计是理解一个人在对谁说话的能力，这是社交机器人与人顺畅交互所必需的一项技能。从这个意义上说，它是必须在多方和非结构化场景中开发有效对话代理所必须解决的问题之一。作为人类，主要引导我们进行此类估计的渠道之一是说话者的非言语行为：首先是他们的注视和身体姿态。受人类感知技能的启发，在本工作中，一个依赖这两种非言语特征的受话人估计深度学习模型被设计、训练并部署在 iCub 机器人上。本研究展示了该实现的过程，以及部署在实时人机交互中的模型相对于在用于训练的数据集上先前测试的绩效。
引用
@article{arxiv.2311.05334,
title = {Real-time Addressee Estimation: Deployment of a Deep-Learning Model on the iCub Robot},
author = {Carlo Mazzola and Francesco Rea and Alessandra Sciutti},
journal= {arXiv preprint arXiv:2311.05334},
year = {2023}
}
备注
4 pages, 3 figures, paper presented at IRIM-3D 2023 Conference, Funded by the Horizon-Widera-2021 European Twinning project TERAIS: G.A. n. 101079338