追求共情的人机交互
该研究将情感智能技术整合进自动对话系统中,通过深度学习和自然语言处理技术创建了一个具有情感智能的对话生成模型。该模型能够实时检测和理解广泛的情绪和特定的疼痛信号,使系统能够提供共情互动。通过整合研究 “人工智能能检测疼痛并表达痛苦共情吗?” 的结果,增强了模型理解痛苦共情的微妙元素的能力,为情感智能对话系统设定了更高的标准。该项目旨在为将先进的情感智能能力整合到对话系统中提供理论理解和实际建议,从而提高用户体验和交互质量。
Apr, 2024
本文旨在研究和评估现有的衡量和评估共情能力的工作,以及迄今为止已经收集和使用的数据集,以通过比较它们的性能来突出和促进人工共情领域的最新方法的使用,以便帮助人工共情领域的研究者选择精准的方法。
Sep, 2023
本文介绍了一种端对端对话系统,旨在缓解自我隔离下人们的孤独感,并进行了一项控制模拟实验来评估用户界面、名为 Nora 的基于 Web 的虚拟代理与安卓智能体 ERICA 之间的影响。实验结果表明,由于其面部表情和身体动作等非语言信息,安卓提供了更有价值的用户体验,给人以更有共鸣和参与对话的印象。
Jun, 2021
提出了一种通过增强语音感知能力来提升治疗聊天机器人对用户情绪理解和人性化回应的方法,该方法使用卷积神经网络(CNN)模型和 ShEMO 数据集的语音情感识别(SER)技术来准确检测和分类负面情绪,包括愤怒、恐惧和悲伤,并使用 SER 模型和 GloVe、LSTM 模型相结合的推荐系统生成个性化管理负面情绪的建议,同时将 GlowTTS 文本到语音模型整合到一起,使治疗聊天机器人能够用英语和波斯语将生成的建议以声音形式传达给用户,最终提高了英语和波斯语用户心理健康支持的交付效果。
Nov, 2023
研究发现,人机面对面互动过程中的社交信号、语言特征、情感表达等特征与用户对机器人的印象有关;其中,用户面部表情的快乐程度与机器人的好感度强相关,而对话特征与机器人的智能感知有关。这些特征有望成为在线补偿信号,用于基于增强学习的自适应人机对话系统中。
Jun, 2017
本篇论文讨论了采用 AI 帮助情绪调节,在回应用户的情绪时,应当谨慎并考虑如何应对用户的情绪,以避免其对用户和社会产生负面影响,而不仅仅关注负面情绪的缓解。
Dec, 2022
采用深度学习生成模型来生成机器人情感表情,通过几个手动设计的机器人身体表达生成一个新的符合上下文感知的表达。评估结果表明,生成的表情与手动设计的表情没有显著差异,且能达到不同目标情绪的效果。
May, 2022
该研究提出了一种基于情感感知的 Transformer 编码器,用于生成类人的同情回应,将语义和情感方面集成到输入话语中。在 Facebook AI 共情对话数据集的实验中,该模型相比现有方法生成的回应具有更高的 BLEU-4 得分,这表明情感智能的虚拟代理现在已成为现实,并且未来在所有人机接口中都将包括情感作为一种模态。
Apr, 2022
我们提出通过整合非语言提示来增强社交机器人的共情能力。我们的主要贡献是设计和标记了四种共情的非语言提示:语音、行动(手势)、面部表情和情绪,用于社交机器人中。这些提示是利用大型语言模型(LLM)生成的。我们为机器人开发了基于 LLM 的对话系统,并评估其与人类咨询师定义的社交提示的一致性。初步结果表明,机器人的回应呈现出明显的模式,如对平静和积极社交情绪如 'joy' 和 'lively' 的偏好以及频繁点头示意。尽管存在这些倾向,我们的方法已经导致开发出了能够感知上下文并进行更真实互动的社交机器人。我们的工作为未来关于人机交互的研究奠定了基础,强调了在创建社交和共情机器人方面,语言和非语言提示的重要作用。
Aug, 2023
使用个性化的机器学习框架,利用深度学习的先进技术对自闭症儿童的情感状态和参与度进行自动感知,进而在机器人辅助自闭症治疗中提供更高效的监测和总结治疗进展的潜力。
Feb, 2018