本研究旨在提高用户与对话系统之间的交互质量，通过监测用户混乱状态并对话策略进行相应调整。通过研究用户与虚拟人物的对话情境，定义混乱状态，并使用预先训练的深度学习模型来分析情感、头部姿态和视线等指标与混乱状态之间的关系，从而实现智能对话系统的开发。

Jun, 2022

本文回顾了有关机器人实体化在社交互动机器人中扮演角色的现有工作，并介绍了一种方法来对这些问题进行全面评估，包括机器人实体化的类型、机器人的社交角色、人机任务的类型等，旨在揭示社交互动机器人、社交援助机器人和服务机器人的实体化研究主题。

Dec, 2019

研究了人类与机器人面部交互的音响 - 语调协调程度，发现主观和客观对人形化的感知程度与音声 - 语调协调程度呈正相关。

Jan, 2022

本研究通过与发展心理学家合作的定向实验，了解婴儿如何获得第一次的 “感觉 - 运动身体知识”，进而构建具有传感器官的计算模型，对多模态身体表示学习、适应和操作的机制进行研究，提出了自我接触和自我观察的办法，开发了一个校准工具箱，并在多个机器人平台上进行了实验验证，最终研究了周围空间与人类和机器人的安全合作的可能性。

Nov, 2022

虚拟现实在多个领域中得到了证明：从游戏、医学和培训到人机协作界面的开发，它能够帮助设计师在超越真实环境限制的情况下探索应用，并开发创新的解决方案和体验。对于在虚拟领域借助自然而直观的手势实现协同机器人操作，需要创建大量的数据集，以便使工作界面易于学习和灵活添加手势。由于计算或经济限制，这可能具有一定的挑战性，因此将在真实环境中表现良好的深度学习模型调整到虚拟领域可能是解决方案。本文提出了一个系统的框架，通过虚拟数据集的有限大小实现从真实到虚拟的适应，并提供了创建策划数据集的指导方针。最后，虽然手势被视为通信模式，但所提供的指南和建议是通用的，适用于其他模式，如身体姿势和面部表情，这些模式在真实领域中有大量可用的数据集，需要适应到虚拟领域。

Jul, 2023

使用多模态特征预测用户对给定机器人的社交和物理能力的期望，这些特征提供了关于机器人的一般心智模型的信息，可以融入互动设计和物理设计中。

Jan, 2024

研究了如何将在一个环境中学到的知识传递到另一个环境中的关键问题，并通过学习人类期望机器人执行哪些任务的中间表示方法，来提高机器人学习效率，从而为人类与机器人的互动打下基础。

May, 2022

在这篇论文中，介绍了一种名为 XSkill 的模仿学习框架，通过从未标记的人类和机器人操纵视频中发现一种跨体现性表示，使用条件扩散策略将该表示转移到机器人行为，并通过组合学习到的技能完成由人类提示视频指定的未见任务，进而解决了直接从非结构化人类视频中提取可重用机器人操作技能的挑战。实验结果表明，XSkill 的性能更好。

Jul, 2023

该研究致力于通过语言设计对话策略框架，以缓解人机交互中的认知失调和混乱的问题。

Aug, 2022

本文通过两项研究来理解用户在语音人机交互过程中的情感状态，尤其关注通信错误或失败时的混乱状态，并探讨其与其他情感状态的关系。通过收集音视频数据和参与者的自我报告，研究分析了与语音虚拟代理交流和非交流相关的问题解决任务。第一项研究基于注释者的观察进行分析，而第二项研究则基于自我报告进行分析。

Jul, 2022