利用 Lyfe Agents 实现了高度自治生成智能代理，能够在虚拟社会中模拟复杂的社交行为，并能以低计算成本与人进行实时互动，通过自主协作和信息交流解决犯罪等问题，同时比现有替代方案的计算成本低 10-100 倍。

Oct, 2023

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

使用大规模语言和视觉模型构建一个名为 Make-A-Character（Mach）的用户友好框架，通过文本描述创造栩栩如生的 3D 化身，满足用户期望，并能与现有的计算机图形技术（CG）流程轻松集成。

Dec, 2023

本文介绍了一种创新的交互式机器人系统的设计与开发，利用类似角色的人设来增强观众参与度。该系统利用了角色驱动的对话代理的基础，将其应用于物理领域，利用机器人提供更具沉浸感和互动性的体验。该系统通过使用非语言交互（包括面部表情和手势）与来宾进行交互。行为生成系统基于有限状态机结构有效地调节机器人的行为来传达不同的人设。MASK 框架集成了感知引擎、行为选择引擎和综合动作库，以实现实时、动态的互动，在行为设计上减少了人的干预。通过用户实验研究，我们考察了用户能否在基于电影角色的人设条件下认出预期角色。最后讨论了人设在交互代理中的作用以及创建引人入胜的用户体验需要考虑的因素。

Mar, 2024

Humanoid Agents 是一个系统，通过引入 System 1 processing 的三个要素：Basic needs、Emotion 和 Closeness in Relationships，指导 Generative Agents 更像人类行为，能够使用这些动态元素来适应他们的日常活动和与其他 agents 的对话，并通过实证实验支持。

Oct, 2023

通过使用大型语言模型构建的交互平台 SimuLife++，用户能够扮演角色在多种社会情境下与基于人工智能的角色共同创作故事，使用智者代理来提供更深入的观点对用户的选择和对话进行互动，并通过用户研究验证了这种系统对非认知能力反思的积极影响。

May, 2024

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

通过使用 LLMs 进行人格生成，提出了混合声音和混合扩散器的概念来实现多样化的语音和外貌生成，并通过引入像素级引导提高了人脸动画的检测率和自动化生成。

Nov, 2023

大型语言模型（LLMs）能够理解人类指令并生成高质量的文本，使它们能够模拟人类行为并超越简单的复制。本研究介绍了可定制的对话代理框架，利用 LLMs 模拟真实世界中可以根据用户偏好自由定制的角色。提出了 SimsConv 数据集和 SimsChat 对话代理，模拟不同情景下角色的生活经历和特定情感的专题交互。实验证明该框架取得了令人满意的性能，并为未来构建更好的人类模拟提供了有益的指导。

Jun, 2024

提出了一种全面的解决方案，通过深度学习模型将面部表情从输入面部图像转移到虚拟人脸，实现虚拟人物面部动画的自动化。使用 Unity 3D 开发了实用工具包，可接受图像和视频作为输入，以动画形式呈现目标虚拟人脸，并允许用户对动画结果进行操作。通过用户反馈不断改进模型和工具包的性能，从而增加了定制化属性以适应用户偏好。整个解决方案有助于加速用于虚拟现实应用的面部动画的生成。

Feb, 2024