讨论对话系统中造成拟人化的语言因素及其危害，并建议在设计、开发、发布和描述中特别关注语言线索，以避免用户的人格化误解。

May, 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

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

本文提出了一种智能虚拟助手，可通过情感语义解释人类语音情感， 并且通过声音风格转移和人工生成方法生成特定情感的声波，使得与之互动的人有更好的体验。

Apr, 2023

本论文探讨了如何利用虚拟环境中的人 - 头像交互模拟物理环境中的人 - 机器人交互，并展示了这两种模式下用户行为和自我报告结果的相似之处。该研究表明，即使存在态度差异和技术控制限制，也可以通过精心设计的人 - 头像研究来补充挑战更大的人 - 机器人研究。

Jun, 2022

本文通过混合方法研究，探讨了成功的同步对合作的信任、合作愿望和对合作者的好感的积极影响，并提出了与成功同步相关的五个特征，包括同步出现的时间、领导者 - 追随者模式、人际沟通、集结点的重要性以及声学反馈的价值。同时，为未来与机器人合作的研究和设计提出了三个设计考虑。

Feb, 2024

通过收集大约 900 个对话样本，我们发现用于训练对话系统的一些常见数据源中，20-30％的话语被认为机器不可能说出来。此外，我们还研究了建模配置如何影响输出许可，并讨论了构建不那么虚假拟人对话系统的影响。

Oct, 2022

本研究针对评估社交情境对话机器人的挑战性任务，提出了一种依赖于多模态用户行为的新型客观评估方法，主要关注评估机器人的人类化程度作为主要评估指标，通过观察用户行为间接评估机器人的人类化程度，提高了客观性和可重复性，并且通过创建一个带有人类化程度得分的标注数据集，运用在一个专注听力对话语料中找到的用户行为进行了相关性分析，证明了我们提出的基于行为的评估方法的可行性。

Aug, 2023

本研究主要探讨了人工智能机器人在人机互动中的表情、肢体语言及面部跟踪技术等对于增进用户情感共鸣和满意度上的应用价值。

Jul, 2005

研究了在机器人和人类交互中，机器人的情感表达对人类决策行为模式的影响，使用自然语言处理模型产生机器人使用的情感表达语句，并在博弈理论的环境中探究人的行为模型。

Jun, 2018