基于多实例学习的类人-机器人交互中用户体验估计
机器人学
2025-08-01 v1 计算机视觉与模式识别
人机交互
摘要
近年来，社交机器人的需求不断增长，需要根据用户状态调整其行为。准确评估人机交互中的用户体验（UX）对于实现这种自适应性至关重要。UX 是一个多维度的度量，涵盖情感、参与度等方面，但现有方法往往仅关注其中之一。本研究提出了一种利用多模态社交信号进行 UX 估计的方法。我们构建了 UX 数据集，开发了基于 Transformer 的模型，利用面部表情和语音进行估计。不同于依赖瞬时观察的传统方法，我们的方法采用多实例学习框架，捕捉短期和长期的交互模式，从而提供更为全面的表征。实验结果表明，我们的方法在 UX 估计方面超越了第三方人类评估者。
关键词
引用
@article{arxiv.2507.23544,
title = {User Experience Estimation in Human-Robot Interaction Via Multi-Instance Learning of Multimodal Social Signals},
author = {Ryo Miyoshi and Yuki Okafuji and Takuya Iwamoto and Junya Nakanishi and Jun Baba},
journal= {arXiv preprint arXiv:2507.23544},
year = {2025}
}
备注
This paper has been accepted for presentation at IEEE/RSJ International Conference on Intelligent Robots and Systems 2025 (IROS 2025)