研究工业机器人的团队动力学和同伴压力,探讨群体大小、机器人可信度、心理压力和同伴压力对工业机器人人机交互的影响.
Aug, 2023
本文探讨了社交机器人操作的社会性和公平性决策的重要性,提出了通过避免负面行为而非复制正面行为的新方法学习公平和社交行为。
Feb, 2022
通过对巴黎一家日间照料养老院中装备有社交和对话交互能力的全尺寸人形机器人进行两波实验,本文试图部分回答多模态对话能力的社交互动机器人在实际环境中是否有用并被接受的问题
Apr, 2024
本文调研了基于文本的聊天机器人的社交特性,提出了与用户期望一致的社交行为增强聊天机器人的能力,为设计师和研究人员提供了优化人机交互的机会。
Apr, 2019
本研究通过构建基于角色扮演的环境和收集对话数据集,评估了语言模型在多方对话场景下的表现,发现新的数据集 MultiLIGHT 可以在多人场景下显著提高分析表现。
Apr, 2023
通过结合心理学和神经科学的成果,利用具有体验的机器人技术,实现智能化人机协同决策,并探讨了此方法在实现体验化人机协同合作方面的应用与研究。
May, 2017
通过引入 JRDB-Social 数据集,本研究利用最新的多模态大语言模型来评估其解读社会人类行为能力,以加深我们对于人类社会动态在机器人应用中的理解。
在人类群体中,如何让机器人提供不显眼的物理支持?我们提出了 “Attentive Support” 这一新的机器人交互概念,它结合了场景感知、对话获取、情境理解和行为生成等技术以及大型语言模型的常识推理能力。除了按照用户指令,Attentive Support 还能决定何时以及如何支持人类,并且在不干扰群体的情况下保持沉默。通过多种情景的展示和评估,我们展示了机器人的专注行为,它在需要时给予人类支持和帮助,在不需要帮助时不干扰。
Mar, 2024
通过分类功能和社交干扰以及探讨机器人架构的要求,本文旨在为人工智能代理提供处理不同类型交互干扰的能力,以实现在多方社交情境和用户个性化之外,对于为人工代理赋予社交能力的扩展。
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