面向社交焦虑的人机交互：多模态数据集收集协议
机器人学
2025-11-18 v1 人工智能
摘要
社交焦虑是一种普遍存在的状况，影响人际交往和社会功能。近期的人工智能和社交机器人技术为在人机交互情境下研究社交焦虑提供了新机会。准确检测与社交焦虑相关的情感状态和行为， requires 多模态数据集，其中每种信号模态都提供关于其表现形式的互补信息。然而，这类数据集仍较为稀缺，限制了研究和应用的进展。为此，本文提出一种用于人机交互情境下社交焦虑的多模态数据集收集协议。该数据集将包括来自至少 70 名参与者的同步音频、视频和生理记录，根据其社交焦虑水平分组，参与者在约 10 分钟的基于 Wizard-of-Oz 角色扮演情境中，与 Furhat 社交机器人进行交互。除多模态数据外，数据集还将包含提供关于个体社交焦虑响应差异性的上下文数据。这一工作有助于通过提供对社交焦虑鲁棒性多模态检测的支持，推动情感自适应人机交互的研究。
引用
@article{arxiv.2511.13530,
title = {Towards Affect-Adaptive Human-Robot Interaction: A Protocol for Multimodal Dataset Collection on Social Anxiety},
author = {Vesna Poprcova and Iulia Lefter and Matthias Wieser and Martijn Warnier and Frances Brazier},
journal= {arXiv preprint arXiv:2511.13530},
year = {2025}
}
备注
Accepted at the Workshop on Benefits of pErsonalization and behAvioral adaptation in assistive Robots (BEAR 2025), held at the IEEE RO-MAN Conference 2025