Emotional Metaheuristics For in-situ Foraging Using Sensor Constrained Robot Swarms
The University of Texas at Austin(德克萨斯大学奥斯汀分校);Indian Institute of Science(印度科学学院)
我们提出了一种新的社会动物启发的情感群体智能技术。这种技术被用来解决一个流行的集体机器人问题的变体,称为觅食。我们通过模拟研究展示了基于饥饿和孤独等感觉的简单交互规则如何导致全局一致的涌现行为,从而使传感器受限的机器人能够解决给定的问题
2019-06-27 cs.AI cs.RO
SingingBot: An Avatar-Driven System for Robotic Face Singing Performance
SingingBot通过虚拟角色驱动框架实现机器人面部歌唱的丰富情感表达,提出情感动态范围指标评估情感广度,实验表明其在情感表现和同步性方面优于现有方法。
2026-01-05 cs.AI cs.RO
Data-driven emotional body language generation for social robotics
University of Plymouth(普利茅斯大学);ANYbotics AG(ANYbotics股份公司);Simon Fraser University(西蒙弗雷泽大学);dSPACE GmbH(dSPACE有限公司)
在社会机器人中,赋予人形机器人产生情感的身体表达的能力可以改善人机交互和协作,因为人类属性,也许是潜意识地预期,这样的痕迹将代理视为参与,值得信赖和社会存在。机器人的情感肢体语言需要可信,细致入微,并与上下文相关。我们实现了一个深度学习数据驱动的框架,它可以从一些手工设计的机器人身体表情中学习,并可以生成许多具有相似可信度和逼真度的新表情。该框架使用条件变分自编码器模型和基于模型潜在空间的几何属性的采样方法,以在目标效价和唤醒水平上调节生成过程。评价研究发现,生成的表情的拟人性和生命性的感知与手工设计的没有不同,情绪条件反射是足够的区分之间的大多数水平,除了对中性积极的效价和低-中等的唤醒。此外,探索性的分析结果揭示了可能的影响条件反射的感知优势的机器人,以及参与者的注意力。
2022-05-02 cs.AI cs.HC cs.LG
Efficient Emotion-Aware Iconic Gesture Prediction for Robot Co-Speech
School of Engineering(工程学院);Honda Research Institute Japan(本田日本研究院);Department of Electronic Engineering(电子工程系)
本文提出一种轻量级的transformer模型,通过文本和情绪单独生成图标手势的位置和强度,无需音频输入,在BEAT2数据集上优于GPT-4o,在语义手势位置分类和强度回归方面表现更佳,且计算紧凑,适合实时部署。
2026-05-19 cs.AI cs.RO
Teaching Robots to Span the Space of Functional Expressive Motion
UC Berkeley(加州大学伯克利分校);University of Utah(犹他大学)
我们的目标是使机器人能够以情感的方式执行功能性任务,无论是响应用户的情感状态,还是表达他们的信心水平。先前的工作已经提出了学习独立的成本函数,从用户反馈的每个目标的情绪,使机器人可以优化它旁边的任务和环境特定的目标,它遇到的任何情况。然而,这种方法在建模多种情绪时效率低下,并且无法推广到新的情绪。在这项工作中,我们利用了这样一个事实,即情绪并不是相互独立的:它们是通过一个潜在的空间的价-唤醒-支配(VAD)。我们的关键思想是学习一个模型,用于如何将轨迹映射到带有用户标签的VAD上。考虑到轨迹映射和目标VAD之间的距离,允许这个单一模型表示所有情绪的成本函数。因此,1)所有用户反馈都可以有助于学习每种情绪; 2)机器人可以为空间中的任何情绪生成轨迹,而不仅仅是几个预定义的轨迹;以及3)机器人可以通过将用户生成的自然语言映射到目标VAD来对用户生成的自然语言做出情感响应。我们介绍了一种方法,交互式学习映射轨迹到这个潜在的空间,并在模拟和用户研究中进行测试。在实验中,我们使用了一个简单的真空机器人以及卡西机器人。
2022-08-02 cs.AI cs.RO
Real-Time Imitation of Human Head Motions, Blinks and Emotions by Nao Robot: A Closed-Loop Approach
Human and Robot Interaction Lab, Electrical and Computer Engineering, University of Tehran(人类与机器人交互实验室,电气与计算机工程,法尔姆大学);Department of Electrical Engineering, Shahrood University of Technology(电气工程系,沙霍德大学);Intelligent Robotics Laboratory, Oakland University(智能机器人实验室,奥克兰大学)
本文提出一种基于MediaPipe和DeepFace的闭环框架,使Nao机器人实时模仿人类头部运动、眨眼与情绪,俯仰角和偏航角R2得分分别达96.3和98.9,显著提升了人机交互并有望辅助自闭症儿童沟通。
2025-04-28 cs.AI cs.RO
Fuzzy Knowledge-Based Architecture for Learning and Interaction in Social Robots
University of San Diego(圣地亚哥大学);University of California San Diego(加州大学圣迭戈分校)
在本文中,我们介绍了我们提出的基于认知的情感模型的扩展[27][28]和[30],我们通过嵌入一个模糊规则来增强我们的基于知识的情感单元-该模型利用认知参数依赖性及其相应的权值来调节机器人的行为,并融合它们的行为数据,以实现它们在交互中的最终决策。环境保护使用这个模糊系统,我们以前的模型可以模拟语言参数,以更好地控制和生成机器人可理解和灵活的行为。我们实现了我们的模型上的辅助医疗机器人,命名为机器人护士助理(RNA),并测试它与人类受试者。我们的模型记录所有的情绪状态和基本信息的基础上预定义的规则和学习系统。我们的研究结果表明,我们的机器人与病人在一个合理的,忠实的方式在特定的条件下,这是由规则定义。这项工作有可能为临床专家提供更好的按需服务,以监测患者的情绪状态,并帮助他们做出更好的决策。
2019-09-14 cs.AI cs.CV cs.HC
Real-Time Human-Robot Interaction Intent Detection Using RGB-based Pose and Emotion Cues with Cross-Camera Model Generalization
College of Science and Engineering, Hamad Bin Khalifa University(科学与工程学院,哈马德·本·卡西姆大学)
本文提出了一种基于RGB姿态和情绪线索的实时人机交互意图检测方法,通过MINT-RVAE生成意图序列,实现跨摄像头和环境的强泛化能力。
2025-12-18 cs.AI cs.RO
Neuroscience-inspired perception-action in robotics: applying active inference for state estimation, control and self-perception
Donders Institute for Brain, Cognition and Behaviour(唐德斯脑、认知与行为研究所);Radboud University(拉德堡德大学)
与机器人不同,人类通过与世界互动来学习、适应和感知自己的身体。发现大脑如何代表身体并产生动作对机器人技术和人工智能至关重要。在这里,我们将讨论神经科学的发现如何为改进机器人技术中的当前估计和控制算法提供机会。特别是,主动推理,一种大脑如何抵抗自然紊乱倾向的数学公式,提供了一个统一的配方,可能解决机器人技术中的一些主要挑战,如适应性,鲁棒性,灵活性,泛化和安全交互。本文总结了在真实体现平台上开发这种计算模型的一些实验和经验教训,即,人形机器人和工业机器人。最后,我们展示了我们仍然面临的限制和挑战,以赋予机器人类似人类的感知
2021-05-10 cs.AI cs.RO q-bio.NC
Amortized Object and Scene Perception for Long-term Robot Manipulation
University of Bremen(不来梅大学)
移动机器人在人类环境中进行长期的操作活动,必须感知各种各样的具有非常不同的视觉特性的对象,并需要在整个任务执行过程中可靠地跟踪这些对象。为了提高效率,机器人的感知能力需要超越当前可感知的范围,并且应该能够回答有关当前和过去场景的查询。在本文中,我们研究了一个长期的机器人操作的感知系统,跟踪不断变化的环境,并建立一个代表性的感知世界。具体来说,我们引入了一个摊销组件,在整个执行周期中传播感知任务。由此产生的查询驱动的感知系统异步集成的结果,从记录的图像到一个符号和数字(我们称之为子符号)表示,形成的感知信念状态的机器人。
2019-03-28 cs.AI cs.CV cs.RO
Music Interpretation and Emotion Perception: A Computational and Neurophysiological Investigation
School of Electrical and Computer Engineering, National Technical University of Athens(电气与计算机工程学院,国家技术大学雅典);Department of Music Studies, National and Kapodistrian University of Athens(音乐研究系,国家与卡波迪斯特里亚大学雅典)
本研究利用计算和神经生理学方法,探究不同演奏情境(如曲目、调式练习曲和即兴演奏)及表现力水平对表演者情感传达和听众反应的影响,发现表现力和即兴演奏具有独特声学特征并引发更强情感反应,且即兴演奏带来更大的神经生理放松。
2026-08-12 cs.AI cs.HC
Deep Emotion: A Computational Model of Emotion Using Deep Neural Networks
The University of Electro-Communications(电气通信大学)
情绪对人类智力非常重要。例如,情绪与对内部身体状态和外部刺激的评价密切相关。这有助于我们对环境做出快速反应。人类智力的另一个重要方面是情绪在决策中的作用。此外,情绪的社会方面也非常重要。因此,如果情绪的机制得到阐明,我们就可以进一步了解我们的自然智力。在本研究中,我们提出一个情绪的模型,透过计算模型来阐明情绪的机制。此外,从伙伴机器人的角度来看,情感模型可以帮助我们建造能够对人类产生同情的机器人。为了理解和同情人们的感受,机器人需要有自己的情感。这可能会让机器人被人类社会所接受。所提出的模型使用由三个模块组成的深度神经网络来实现,这三个模块相互作用。仿真结果表明,该模型表现出合理的行为作为情感的基本机制。
2018-08-25 cs.AI cs.HC
Modeling Face Emotion Perception from Naturalistic Face Viewing: Insights from Fixational Events and Gaze Strategies
本研究通过无指导眼动实验探究面孔情绪感知过程,分析注视等眼动事件与情绪感知的关联,发现自由观看注视模式可预测FER任务表现,并结合预训练模型特征实现个体情绪感知的高效建模,为相关领域研究与系统开发提供支撑。
2025-03-20 cs.HC
Hearing through Vibrations: Perception of Musical Emotions by Profoundly Deaf People
听觉反馈技术的进步为聋人感受音乐创造了新的可能性。然而,很少有人知道聋人的音乐情感知觉通过振动触觉反馈。在本文中,我们提出了一个混合方法的研究结果与16个深度耳聋的参与者。该研究协议的目的是探讨用户的背包式振动触觉显示器感知预期的情绪在二十个音乐摘录。定量分析表明,参与者正确识别快乐和愤怒的摘录,并将其评为比悲伤和和平的摘录更令人兴奋。快乐时比愤怒时体验到更多的积极情绪,而平静和悲伤时则难以区分。基于定性数据,我们强调了使用振动向深度失聪用户传达音乐情感的好处和局限性。最后,我们为聋人社区设计无障碍音乐体验提供了指导方针。
2020-12-24 cs.HC
Examining the Effects of Human-Likeness of Avatars on Emotion Perception and Emotion Elicitation
该研究考察虚拟化身的人类相似度对情绪感知与唤起的影响,发现高相似度化身易引发负面情绪(符合恐怖谷效应),中等相似度的可爱化身有积极影响,还指出可爱度与自然面部状态也起作用,为多场景化身应用提供实践参考。
2025-08-03 cs.HC
Images, Emotions, and Credibility: Effect of Emotional Facial Images on Perceptions of News Content Bias and Source Credibility in Social Media
图像是我们消费的新闻内容中不可或缺的一部分。来自错误信息来源的高度情绪化的图像可以极大地影响我们的判断。我们提出了两项研究的影响,情绪化的面部图像对用户的感知偏见的新闻内容和来源的可信度。在研究1中,我们调查了快乐和愤怒的面部图像对用户决策的影响。在研究2中,我们专注于来源的特定政治家的系统性情绪治疗。我们的研究结果表明,根据来源的政治取向,愤怒的面部情绪的累积效应影响用户的感知内容偏见和来源的可信度。当消息来源系统地将特定的政客描绘成愤怒的人时,用户更有可能发现这些消息来源不太可信,其内容更有偏见。这些结果强调了面部表情中的情绪所表现出的内隐视觉命题可能对我们对新闻内容和来源的信任产生重大影响。
2022-05-04 cs.CY cs.HC
Detecting gender differences in perception of emotion in crowdsourced data
Carnegie Mellon University(卡内基梅隆大学);Software Engineering Institute(软件工程研究所)
男人和女人对情绪的感知不同吗?普遍的信念认为女性比男性更容易感知情感。然而,实证研究结果仍然没有定论。大多数先前的研究集中在视觉模态。此外,几乎所有的研究都局限于受控环境中的实验。这些研究的普遍性和可扩展性尚未充分确立。在本文中,我们研究了性别之间的情感感知的差异,从语音数据在野外,通过众包注释。虽然我们将自己限制在一个单一的模态(即语音),我们的框架是适用于所有这些松散的注释数据的情绪感知的研究一般。我们的论文解决了与从众包数据中得出统计上可行的结论相关的多个严重挑战。总的来说,本文的贡献是两方面的:一个可靠的新框架,从众包数据的感知研究;和性别之间的基于语音的情感感知的统计学显着差异的示范。
2019-11-04 cs.CL cs.DB cs.HC
Multimodal Drivers' Emotion Recognition and Safety-Oriented Intervention for Intelligent Transportation Systems
Budapest University of Technology and Economics(布达佩斯技术与经济大学);Tongji University(同济大学)
该研究针对智能交通系统,提出安全优先的多模态驾驶员辅助框架,构建多模态数据集并引入CARE分数,实现环境风险报告与情绪感知调节的平衡,提供安全驱动的可行方向。
2026-08-10 cs.AI cs.HC
A Robot Expressing Emotions Through Gestures: Everyone Outside of Italy Would Understand this?
本研究关注社交机器人 NAO 的情感手势表达,复现 Ekman 六种基本情感及 Plutchik 情感轮中的五种情感,并探讨文化因素对情感手势理解的影响。
2024-01-23 cs.HC
The Mediating Effects of Emotions on Trust through Risk Perception and System Performance in Automated Driving
University of Michigan-Dearborn(密歇根大学迪尔伯恩分校);University of Michigan-Ann Arbor(密歇根大学安娜堡分校)
本研究通过70名参与者的实验与中介分析,揭示自动驾驶中风险感知和系统性能通过信心、敌意、焦虑等情绪间接影响信任,且实时车辆行为比先前风险感知对信任影响更大。
2025-04-06 cs.HC cs.RO
Effect of Appearance and Animation Realism on the Perception of Emotionally Expressive Virtual Humans
Utrecht University(乌得勒支大学)
本文通过用户实验研究外观与动画真实感对情感表达虚拟人感知的影响,发现更高真实感能提升社会临场感、吸引力、感知真实感及情绪强度,为虚拟人应用设计提供指导。
2025-09-22 cs.GR cs.HC
Understanding Listener Perceptions of AI and Human-Composed Music in Emotional Applications
MIT Media Lab(麻省理工学院媒体实验室);Myndstream(Mindstream)
本研究探讨听众对AI与人类创作音乐的感知对情感共鸣的影响,发现人类创作音乐更易唤起目标情绪,强调真实性对相关情感技术设计的重要性。
2026-09-03 cs.HC
Estimating Emotional Intensity from Body Poses for Human-Robot Interaction
为社交和服务机器人配备在交互过程中感知人类情感强度的能力的需求越来越大。大多数现有的工作集中在确定参与者从面部表情中表达的情绪,但在很大程度上忽略了其他社会线索,特别是肢体语言自发揭示的情绪强度。在本文中,我们提出了一个实时的方法,机器人捕捉参与者的情绪强度波动,从他们的身体姿势。与传统的基于关节位置的方法不同,我们的方法采用局部关节变换作为姿态描述符,该姿态描述符对受试者身体差异以及姿态传感器位置是不变的。此外,我们使用一个长短期记忆递归神经网络(LSTM-RNN)架构,以考虑到特定的情绪背景下,从身体姿势估计情绪强度。数据集评价表明,该方法是有效的,性能优于基线方法的测试数据集上。此外,一系列成功的实地测试物理机器人表明,所提出的方法有效地估计主题的情绪强度实时。此外,配备了我们的方法的机器人被认为是更情绪敏感和更情绪化的智能。
2019-04-20 cs.HC
PAGE: A Modern Measure of Emotion Perception for Teamwork and Management Research
本研究提出基于生成式AI构建的情绪感知测量工具PAGE,验证了其良好的心理测量学特性,且能有效预测管理者对团队成功的因果贡献,为低成本定制非认知技能评估提供了新路径。
2024-09-24 cs.HC
The Emotional Dilemma: Influence of a Human-like Robot on Trust and Cooperation
Universität Hamburg(汉堡大学)
通过硬币委托博弈实验,发现类人情感机器人会引发更多焦虑并降低信任与合作,提出情感表达设计应依赖任务以避免负面效应。
2023-07-06 cs.HC cs.RO
Real-time Emotion Appraisal with Circumplex Model for Human-Robot Interaction
Technische Universität Kaiserslautern(凯泽斯劳滕工业大学);Furhat Robotics(Furhat机器人公司);Max Planck Institute for Psycholinguistics(马克斯·普朗克心理语言学研究所)
情绪是我们经验的内在或外在表征。在人与人的互动中,情感的重要性是巨大的,因为它构成了我们互动框架的基础。心理学中有几种方法可以根据感知的刺激来评估人类的情绪状态。然而,就人机交互而言,该主题的探索较少。本文利用心理学中的情感评价机制,在人形机器人中实时生成人机交互过程中的情感状态。由于只有六种基本情绪的展示不足以满足不同的情况,因此在这项工作中使用Circumplex模型,使真人大小的机器人ROBIN能够在不同的交互场景中体验28种情绪状态。基于所提出的评价系统,在各种交互场景中产生了逼真的机器人行为。
2022-02-20 cs.HC cs.RO
Socially Impaired Robots: Human Social Disorders and Robots' Socio-Emotional Intelligence
University of Technology Sydney(悉尼科技大学)
社交机器人需要智能才能安全地与人类共存和互动。机器人没有理解他人的功能能力,无法同情可能是一种社会风险,它们可能导致社会受损的机器人社会。在这项工作中,我们提供了三个相关的人类社会障碍,即自闭症,精神病和精神分裂症,作为一种手段,以更好地了解社会机器人的未来能力要求的调查。我们提供的证据支持这样一种观点,即社交机器人需要情商和社交智能的结合,即社交情商。我们认为,一个简单的社会情感过程的机器人需要一个模拟驱动的智能模型。最后,我们为设计未来的社会情感机器人提供了一些重要的指导方针。
2016-02-15 cs.CY cs.HC cs.RO
"Nice to meet you!": Expressing Emotions with Movement Gestures and Textual Content in Automatic Handwriting Robots
City University of Hong Kong(香港城市大学)
文本写作机器人已用于辅助写作和绘图应用。然而,由于缺乏人类通常采用的行为,机器人在写作过程中不会传达情感音调。为了研究人们如何通过运动和文本输出来解释设计的机器人情感表达,我们使用了一个笔式绘图机器人,通过执行类似人类的行为来生成文本,如停止和前进,速度和压力变化。我们通过观察人们在不同的情感语境中写作的方式来研究人们在写作过程中如何传达情感。然后,我们将这些人类在书写过程中的表情映射到手写机器人上,并测量其他参与者对机器人情感表达的理解程度。我们发现,文本输出是参与者感知机器人情绪的能力的最强决定因素,而机器人的手势运动参数,如速度,流畅性,压力,大小和加速度,对于理解写作表达的上下文可能是有用的。
2023-02-12 cs.HC cs.RO
The Importance of Multimodal Emotion Conditioning and Affect Consistency for Embodied Conversational Agents
Rutgers University(罗格斯大学);King Fahd University of Petroleum & Minerals(法赫德国王石油与矿业大学)
本文提出 ACTOR 情感一致多模态行为生成框架,并通过199人用户研究证明情绪条件作用与跨模态情感一致可显著提升具身对话智能体的情感感知与表现力。
2023-12-06 cs.AI cs.GR cs.HC
How Can Autonomous Vehicles Convey Emotions to Pedestrians? A Review of Emotionally Expressive Non-Humanoid Robots
本文针对自动驾驶车辆与行人交互的需求,通过综述2011-2021年25篇非人形机器人情绪表达研究,提出AV-行人情绪交互界面的设计考量,为相关研究提供参考。
2024-03-07 cs.HC
Perception of Emotions in Human and Robot Faces: Is the Eye Region Enough?
Max Planck Institute for Psycholinguistics(马克斯·普朗克心理语言学研究所);KTH Royal Institute of Technology(皇家理工学院(瑞典));Furhat Robotics AB(Furhat机器人公司);Donders Institute for Brain, Cognition and Behaviour(唐德斯脑与认知行为研究所);Radboud University(拉德堡德大学);Maastricht University(马斯特里赫特大学)
本研究通过用户实验发现,全动画面部机器人情绪表达与人类相当,仅露眼部会降低识别准确率,但类人特征可缓解此问题。
2025-03-25 cs.HC cs.RO
Socially Assistive Robots: A Technological Approach to Emotional Support
Sunway University(双威大学)
本研究开发了一种基于社交辅助机器人技术的情绪支持机器人,利用面部识别和手势分析检测悲伤情绪,并通过拥抱和AI对话提供共情互动,实验验证了其可行性和有效性。
2024-11-07 cs.HC cs.RO
The Effects of Android Robots Displaying Emotion on Humans: Interactions between Older Adults and Android Robots
University of Siegen(锡根大学);National Institute of Advanced Industrial Science and Technology (AIST)(日本产业技术综合研究所(AIST))
机器人通常被视为完成逻辑目标任务的手段。另一方面,Android机器人为完成情感任务提供了新的可能性,因此可以集成到辅助场景中。我们通过让老年人和利益相关者与能够通过面部表情表达情感的Android机器人进行对话来探索这种可能性。这项研究是用一种绿野仙踪的方法进行的,用混合方法收集数据。我们发现,由于机器人的微笑,参与者被鼓励更多地与机器人交谈。与此同时,人们对透明度和操纵提出了许多道德问题。我们的研究可以提供有价值的洞察老年人对表现情感的机器人的反应。
2023-03-23 cs.HC cs.RO
Exploring Teachers' Perception of Artificial Intelligence: The Socio-emotional Deficiency as Opportunities and Challenges in Human-AI Complementarity in K-12 Education
Michigan State University(密歇根州立大学);University of Pittsburgh(匹兹堡大学)
本研究通过调查韩国小学教师,发现AI可补充行政与个性化教学,但其社会情感缺陷既是挑战也是机遇,强调AI采用需贴合教师偏好。
2024-05-20 cs.AI cs.CY cs.HC
Establishing Human-Robot Trust through Music-Driven Robotic Emotion Prosody and Gesture
Georgia Tech Center for Music Technology(佐治亚理工学院音乐技术中心)
随着人机协作机会的不断扩大,信任对于机器人的充分参与和利用变得越来越重要。建立在情感关系和人际关系基础上的情感信任尤其重要,因为它对错误更有弹性,并增加了合作的意愿。在本文中,我们提出了一种新的模型,建立在音乐驱动的情感韵律和手势,鼓励感知的机器人身份,旨在避免恐怖谷。人类音乐家生成了具有象征意义的乐句,并标记了情感信息。这些短语控制着一个合成引擎,播放通过音素和电子乐器插值生成的预渲染音频样本。手势也是由象征性的短语驱动的,从音乐短语到低自由度的动作都编码了情感。通过用户研究,我们表明我们的系统能够准确地向用户描绘一系列情绪。我们还展示了一个显著的结果,即我们的非语言音频生成比使用最先进的文本到语音系统的平均信任度高出8%。
2020-01-11 cs.HC cs.RO
A Robot-Led Intervention for Emotion Regulation: From Expression to Reappraisal
University of Cambridge(剑桥大学)
本研究探讨了在熟悉环境中由GPT-3.5驱动的社交机器人通过认知重新评价协助情绪调节,21名学生参与五次干预后,其情绪自我调节能力、表达能力和情绪状态均获显著改善。
2025-06-30 cs.HC cs.RO
A HeARTfelt Robot: Social Robot-Driven Deep Emotional Art Reflection with Children
Massachusetts Institute of Technology(麻省理工学院);Prince Sultan University(苏丹王子大学)
本研究提出一种由社交机器人搭建艺术对话的儿童-机器人交互设计,经11名7-11岁儿童实验验证,该设计可促进儿童SEL技能练习,尤其是情感艺术相关互动能提升共情推理频率,还能缓解儿童分享深层情绪的不适。
2024-09-16 cs.HC cs.RO
Emotional Expression in Low-Degrees-of-Freedom Robots: Assessing Perception with Reachy Mini
Robotic Musicianship Lab(机器人音乐性实验室);Georgia Institute of Technology(佐治亚理工学院);School of Computing and Communications(计算与通讯学院);Ben-Gurion University of the Negev(贝内尔盖翁大学(内盖夫分校));School of Brain Sciences and Cognition(脑科学与认知学院);The Azrieli National Center for Autism and Neurodevelopment Research(阿兹里尔国家自闭症与神经发育研究中心)
研究探讨了低自由度机器人Reachy Mini在表达不同情绪时,人们如何感知和评估其情绪,发现尽管识别准确度不高,但整体情绪影响社交评价,为低自由度机器人情感交流研究提供了基准。
2026-05-12 cs.HC cs.RO
Emotion in Reinforcement Learning Agents and Robots: A Survey
Delft University of Technology(代尔夫特理工大学)
本文首次对强化学习(RL)代理中的情感计算模型进行了调查。该调查侧重于智能体/机器人的情感,而大多忽略了人类用户的情感。情绪被认为是通过影响动机和行动选择来进行决策的功能。因此,计算情感模型通常基于Agent的决策结构,其中RL是一个重要的子类。在基于RL的代理中研究情感对于三个研究领域是有用的。对于机器学习(ML)研究人员来说,情感模型可以提高学习效率。对于交互式ML和人机交互(HRI)社区,情感可以传达状态并增强用户投资。最后,它允许情感建模(AM)研究人员在一个成功的人工智能智能体类中研究他们的情感理论。本调查提供了情绪理论和RL的背景。它系统地解决了1)从什么基本维度(例如,稳态、评价)可以推导出情绪以及如何在RL代理中对这些情绪进行建模,2)从这些维度推导出哪些类型的情绪,以及3)这些情绪如何影响代理的学习效率或作为有用的社交信号。我们还系统地比较了评估标准,并将其与重要的RL子域(如(内在)动机和基于模型的RL)联系起来。简而言之,这项调查为希望在RL代理中实现情感的工程师提供了一个实用的概述,并确定了未来情感RL研究的挑战和方向。
2017-05-15 cs.AI cs.HC cs.LG
Back to the museum: Investigation of the acceptance of Android Andrea with and without emotion simulation in a museum
Hochschule der Medien Stuttgart(斯图加特媒体大学)
研究在博物馆场景中,对有无情感模拟的安卓机器人安德里亚的接受度。通过设置三种实验条件,用扩展版TAM2问卷让参观者报告看法,发现前两种情感实现方式对参观者主观评价无积极影响。
2026-07-21 cs.AI cs.HC cs.LG
Emotional Tandem Robots: How Different Robot Behaviors Affect Human Perception While Controlling a Mobile Robot
University of Konstanz(康斯坦茨大学);University of Lübeck(吕贝克大学)
本研究聚焦领航-跟随场景,探讨小型移动跟随机器人的情感表达运动模式如何影响人类操作员的感知,发现不同情感行为会显著改变操作员的注意力、压力水平及偏好,为未来协同机器人设计提供了重要参考。
2024-03-06 cs.HC cs.RO
Time Perception in Virtual Reality: Effects of Emotional Valence and Stress Level
The American College of Greece(希腊美国学院);National and Kapodistrian University of Athens(雅典国立卡波帝斯特里安大学);The University of Edinburgh(爱丁堡大学)
虚拟现实中的时间感知受情感价值和压力水平影响,不同环境导致时间估计差异,生理和自我报告反应一致。
2026-01-14 cs.HC
Designing Empathetic Companions: Exploring Personality, Emotion, and Trust in Social Robots
University of Genoa(热那亚大学)
本研究提出基于个性模型的认知架构,通过用户实验验证情感生成器,揭示机器人个性特质对信任与愉悦性的影响。
2025-04-17 cs.HC cs.RO
In-Depth Analysis of Emotion Recognition through Knowledge-Based Large Language Models
USC ICT(南加州大学 ICT);California State Polytechnic Pomona(加州州立理工大学波莫纳分校);audEERING GmbH(audEERING GmbH(德国音频技术公司))
本文提出结合贝叶斯线索整合与大语言模型情境知识的方法,在囚徒困境社交任务中实现接近人类水平的情感识别,验证了情境信息对自动情感识别的关键作用。
2024-07-17 cs.AI cs.CV cs.HC
Generation of Real-time Robotic Emotional Expressions Learning from Human Demonstration in Mixed Reality
Honda Research Institute Europe(本田欧洲研究院)
本研究提出一种基于混合现实的人类示范生成实时机器人情感表达的框架,通过流匹配生成过程实现逼真且多样的情感表达。
2026-01-17 cs.HC cs.RO
Inferring Operator Emotions from a Motion-Controlled Robotic Arm
School of Engineering, University of Glasgow(格拉斯哥大学工程学院);Lyle School of Engineering, Southern Methodist University(南方 Methodist 大学莱尔工程学院);School of Computing, University of Glasgow(格拉斯哥大学计算学院);University of Manchester(曼彻斯特大学)
通过机器学习系统,利用远程控制机械臂的动作推断操作员情绪状态,准确率达83.3%。
2025-12-09 cs.HC cs.RO
Facial emotion expressions in human-robot interaction: A survey
Technical University Darmstadt(达姆施塔特工业大学)
面部表情是一种理想的方式传达一个人的情绪或意图给他人。本概述将集中在人类面部表情识别以及机器人面部表情生成。在人类面部表情识别的情况下,将涵盖预定义数据集上的面部表情识别以及实时面部表情识别。对于机器人面部表情生成,手动编码和自动化方法,即,机器人的面部表情是通过手动编码或自动使用机器学习技术移动机器人的特征(眼睛、嘴巴)而生成的。已有大量的研究在预定义的数据集上实现了高精度的情感表情识别,但是实时的面部表情识别的精度相对较低。在机器人表情生成的情况下,虽然大多数机器人都能够做出基本的面部表情,但使机器人能够自动做到这一点的研究并不多。在这篇综述中,国家的最先进的研究在人机交互过程中的面部表情进行了讨论,导致未来的研究几个可能的方向。
2022-02-08 cs.HC cs.RO
Exploring LLM-generated Culture-specific Affective Human-Robot Tactile Interaction
本研究探究GPT系列大语言模型生成的文化适应性触觉行为在人机交互中的情绪传递效果,发现文化匹配下可解码半数情绪,交互角色、行为属性及文化匹配度均影响触觉的感知适宜性与解码准确率。
2025-07-02 cs.HC
Using Affect as a Communication Modality to Improve Human-Robot Communication in Robot-Assisted Search and Rescue Scenarios
University of Waterloo(滑铁卢大学)
情感可以提供一种自然的通信方式,以补充社交机器人在许多领域中现有的多模态能力,例如文本和语音。我们进行了三项在线研究,分别有112、223和151名参与者,以研究使用情感作为搜救(SAR)机器人的沟通方式的好处。在第一个实验中,我们研究了通过机器人的情感传达与SAR情况相关的信息的可行性,从而产生从SAR情况到情感的映射。第二项研究使用情感控制理论作为一种替代方法来推导这种映射。该方法更灵活,例如,允许针对不同的情感集合和不同的机器人调整这样的映射。在第三个实验中,我们创建了一个外观约束的户外实地研究机器人使用LED作为表达渠道的情感表达。使用这些情感表达在各种模拟的SAR情况下,我们评估了这些表达对参与者(采用救援人员的角色)的情景意识的影响。我们的研究结果和提出的方法提供(a)的见解,情绪如何有助于传达信息的上下文中的SAR,和(b)的有效性的证据,添加情绪作为一种通信方式(模拟)SAR通信上下文中。
2022-08-20 cs.HC cs.RO
iCub: Learning Emotion Expressions using Human Reward
University of Hamburg(汉堡大学)
本研究旨在利用奖励塑造机制来学习人工智能体的情感表达表征。该方法从TAMER框架中获得灵感,用于训练多层感知器(MLP),以学习在人机交互场景中表达iCub机器人的不同情感。机器人使用卷积神经网络(CNN)和自组织映射(SOM)的组合来识别情感,然后使用MLP学习表达相同的情感。我们的目标是教机器人充分响应用户的情感感知,并学习如何表达不同的情感。
2020-03-30 cs.HC cs.RO
Knowledge-based Emotion Recognition using Large Language Models
本文提出结合情感识别方法与贝叶斯线索整合(BCI),利用大型语言模型推断情境知识,融合去情境化面部表情与上下文信息,在囚徒困境社交任务中实现了媲美人类观察者的情感识别效果。
2024-08-07 cs.HC
Situated Haptic Interaction: Exploring the Role of Context in Affective Perception of Robotic Touch
AIRO-IDLab, Department of Electronics and Information Systems, Ghent University - imec(AIRO-ID实验室,电子与信息系统系,根特大学 - imec)
本研究通过实验探究情境线索如何影响机器人触觉情感感知,发现视觉情境主导效价判断,触觉调节唤醒度,为情感人机交互提供具身化设计启示。
2025-06-23 cs.HC cs.RO
Investigating the Effect of LED Signals and Emotional Displays in Human-Robot Shared Workspaces
German International University(德国国际大学);Intelligent Autonomous Systems Lab(智能自主系统实验室);Department of Computer Science, TU Darmstadt(计算机科学系,图恩-达姆施塔特技术大学);German Research Center for AI (DFKI)(德国人工智能研究中心);Centre for Cognitive Science, TU Darmstadt(认知科学中心,图恩-达姆施塔特技术大学);Hessian Center for Artificial Intelligence (Hessian.AI)(黑森人工智能中心)
本文通过在Franka Emika Panda机器人上集成LED信号与情感显示,开展18人实验,研究非语言沟通对人机协作的影响,发现情感显示虽提升交互感但对碰撞预判、沟通清晰度和任务效率无显著改善。
2025-09-18 cs.HC cs.RO
An Affective Robot Companion for Assisting the Elderly in a Cognitive Game Scenario
University of Hamburg(汉堡大学)
能够识别人类用户的情感被认为是人机交互(HRI)场景中非常理想的特性。然而,大多数当代的方法很少尝试以主动的方式应用已识别的情感特征来调节机器人决策和对话,以使用户受益。在这份立场文件中,我们提出了一种方法,将识别的情绪纳入一个基于强化学习(RL)的对话管理模块,以适应其对话响应,试图使认知训练任务,如2048益智游戏,更愉快的用户。
2018-07-12 cs.AI cs.HC cs.RO