Jul, 2022

探究基于语音的人机交互中通讯故障下的困惑和情感状态

PDF
TL;DR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。
affective statesvoice-based human-machine interactionscommunication errorsconfusionaudio-visual data
发现论文，激发创造
  • 探测人 - 虚拟角色对话中的对话者困惑：一项试行研究

    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

  • 情感社交人形智能系统

    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

  • 跨认知体系研究：混淆检测的案例研究

    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

  • 情感现象在多模态交互研究中的作用扩展

    本文在交互式多模态和情感计算交叉领域进行了研究，探讨了计算机识别和表达情感现象的能力，并发现了研究的主要重点和不足之处。通过分析大量文献，我们发现研究主要集中在如何使计算机能够识别和表达情感现象，而缺乏人工智能系统通过情感和情绪预测增强对人类社交行为和认知状态的理解的研究。

    May, 2023

  • 面向地理化人机交互混淆缓解的对话策略

    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

  • 即时通讯应用中自动提供情感反馈的挑战

    介绍了一种基于情感识别技术的即时通讯系统 EmotionPush，并通过部署研究发现了多个挑战，包括情感的连续性、多用户会话、情感分类的错误、用户在消息中表达情感的非传统方式，为即时消息的情感计算和情感识别研究提供了新的思路。

    Feb, 2017

  • 情感对话机器人：理解期望和个人影响

    研究调查了 745 名受访者，旨在了解不同应用中关于情感技能的期望和偏好。结果表明，在设计情感智能对话代理时，应根据应用的上下文和性质考虑适应性和情境感知。

    Oct, 2023

  • 学习用非语言表达传达功能状态，以提高人机协作

    通过调节非语言音频表达的声学参数值，基于强化学习算法和人类反馈，研究评估了协作机器人内部状态的非语言音频表达对用户是否准确理解机器人状态的影响。

    Apr, 2024

  • 使用 fNIRs 和机器学习的情绪状态检测

    本研究旨在利用生理数据检测情感状态，通过功能近红外光谱法，并使用机器学习进行分类，结果显示针对冥想、娱乐和认知负荷三种情感状态的研究中，个体模型的平均准确率为 83.04%，群体模型的准确率为 84.39%，而个体无关模型的准确率为 60.57%。同时发现，通过纸笔任务可更准确地识别出认知负荷情感状态。

    Feb, 2024

  • 语音与文本情感识别器

    情感计算是一门研究领域，专注于开发能够理解、解释和响应人类情感的系统和技术。本研究主要针对公开可用的情感标签数据集稀缺和不平衡的问题，通过合并这些数据集以及采用各种语音数据增强技术构建了一个均衡的语料库，并在语音情感识别方面尝试了不同的架构。最佳系统是一个多模态的语音和基于文本的模型，相对于基准算法的性能为 157.57（不加权准确度 + 加权准确度），而基准算法的性能为 119.66。

    Dec, 2023