我们提出了一个使用深度学习方法的 Staged Social Behavior Learning (SSBL) 框架，在模拟中学习机器人在社交场景中的行为，然后将其应用于与人类交互的实际机器人中。实验结果表明，相比于最先进的模型，我们的模型可以生成更加符合社交规范的行为。

Oct, 2018

构建在技术和社会科学方法的综合基础之上，社会认知机器人是一种跨学科的方法，旨在将人类为中心的目标置于首位，并通过各种研究视角和问题来改进机器人与个体互动以及对社会的影响。

Oct, 2023

本文讨论了构建具有社交交互能力的具体化自主智能体是人工智能面临的主要挑战之一，并指出了目前在具体化语言使用方面的研究方向存在的局限性。作者认为，实现人类水平的人工智能需要更广泛的关键社交技能。最后，通过实验研究了一种近期最先进的深度强化学习方法的局限性。

Apr, 2021

通过在 SOTOPIA 环境中对人工智能系统进行角色扮演与互动，对其社交智能进行评估，我们发现在 SOTOPIA-hard 场景下，GPT-4 比人类表现更差，难以展示社交常识推理和战略沟通技巧，这显示了 SOTOPIA 作为评估和提升人工智能社交智能的通用平台的潜力。

Oct, 2023

本文旨在研究自然语言交互与认知机器人、知识表达形式、计划工具和翻译过程的结合应用，以提高其在日常生活中的任务完成效率。

May, 2022

通过创建数据集并使用不同的语言模型进行基准测试，我们介绍了一个多轮 Socratic 建议的手动数据集，旨在帮助初学者程序员修复简单计算问题的错误解决方案，以及自动化 Socratic 对话代理的调试能力评估。

Oct, 2023

利用混合深度学习模型和非语言身体线索，解决了社交机器人中的对话对象估计问题。

Aug, 2023

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

社交辅助机器人在决策指导和情感治疗等方面表现出了很好的潜力，但随着决策模型越来越复杂，机器人解释其决策的能力成为一个越来越大的挑战。本文提出了一个关于机器人解释性通信的设计，并为研究人员提供了一些设计考虑。

Mar, 2023

通过对 YouTube 视频评论进行的情感分析研究，本文构建了多个文本情感分类模型，并在二分类和三分类任务中评估了模型的性能。研究结果表明，在情感分析的二分类任务中，使用词频 - 逆文档频率和 N-gram 的支持向量机模型获得最高的准确率。在三分类任务中，采用双向编码器表示转换、长短期记忆网络和门控循环单元的模型明显优于其他机器学习模型，达到了 0.78 的准确率。此外，研究还采用潜在狄利克雷分配模型从评论中生成了 10 个主题，以探索公众对于人行道送货机器人的潜在观点。基于这些发现，本文提出了有关人行道送货机器人相关政策制定的有针对性建议，为该领域的利益相关者提供了有价值的洞察。

Mar, 2024