論文の概要: Detecting socially interacting groups using f-formation: A survey of taxonomy, methods, datasets, applications, challenges, and future research directions

• arxiv url: http://arxiv.org/abs/2108.06181v1
• Date: Fri, 13 Aug 2021 11:51:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-16 13:15:56.614992
• Title: Detecting socially interacting groups using f-formation: A survey of taxonomy, methods, datasets, applications, challenges, and future research directions
• Title（参考訳）: f-formationを用いた社会的相互作用のあるグループの検出:分類学、方法、データセット、応用、課題、今後の研究方向性の調査
• Authors: Hrishav Bakul Barua, Theint Haythi Mg, Pradip Pramanick, Chayan Sarkar
• Abstract要約: 社会的行動は、ロボットが持つことのできる最も追求された性質の1つである。 このような品質を持つためには、ロボットがグループの形成を判断し、自らの位置を決定する必要がある。 この問題に関連するすべての懸念とモジュールを組み合わせた,新たな総合的な調査フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 3.995408039775796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robots in our daily surroundings are increasing day by day. Their usability and acceptability largely depend on their explicit and implicit interaction capability with fellow human beings. As a result, social behavior is one of the most sought-after qualities that a robot can possess. However, there is no specific aspect and/or feature that defines socially acceptable behavior and it largely depends on the situation, application, and society. In this article, we investigate one such social behavior for collocated robots. Imagine a group of people is interacting with each other and we want to join the group. We as human beings do it in a socially acceptable manner, i.e., within the group, we do position ourselves in such a way that we can participate in the group activity without disturbing/obstructing anybody. To possess such a quality, first, a robot needs to determine the formation of the group and then determine a position for itself, which we humans do implicitly. The theory of f-formation can be utilized for this purpose. As the types of formations can be very diverse, detecting the social groups is not a trivial task. In this article, we provide a comprehensive survey of the existing work on social interaction and group detection using f-formation for robotics and other applications. We also put forward a novel holistic survey framework combining all the possible concerns and modules relevant to this problem. We define taxonomies based on methods, camera views, datasets, detection capabilities and scale, evaluation approaches, and application areas. We discuss certain open challenges and limitations in current literature along with possible future research directions based on this framework. In particular, we discuss the existing methods/techniques and their relative merits and demerits, applications, and provide a set of unsolved but relevant problems in this domain.
• Abstract（参考訳）: 日々の周囲のロボットは日々増えています。 彼らの使いやすさと受容性は、その明示的で暗黙的な相互作用能力に大きく依存する。 結果として、社会的行動はロボットが持つことのできる最も追求すべき品質の1つである。 しかし、社会的に受け入れられる行動を定義する特定の側面や特徴は存在せず、状況、応用、社会に大きく依存する。 本稿では,コロケーションロボットの社会的行動について検討する。 あるグループが互いに交流していて、グループに参加したいと想像してください。 人間は、社会的に受け入れられる方法で、つまり、グループ内では、誰にも邪魔したり邪魔したりすることなく、グループ活動に参加することができるように、自分自身を位置づけている。 このような品質を持つためには、まずロボットがグループの形成を判断し、次に人間が暗黙的に行う自分自身の位置を決定する必要がある。 f-形式の理論はこの目的のために利用できる。 形成のタイプは非常に多様であるため、社会集団を検出することは簡単な作業ではない。 本稿では,ロボット工学およびその他の応用のためのf-formationを用いた社会的インタラクションおよびグループ検出に関する既存の研究の包括的調査を行う。 この問題に関連するすべての懸念とモジュールを組み合わせた,新たな総合的な調査フレームワークも提案した。 方法,カメラビュー,データセット,検出機能とスケール,評価アプローチ,アプリケーション領域に基づいて分類学を定義する。 我々は,この枠組みに基づく今後の研究の方向性とともに,現在の文献におけるオープンな課題と限界について論じる。 特に,既存の手法や技術,それらの相対的なメリット,デメリット,アプリケーションについて論じ,この領域における未解決だが関連する問題の集合を提供する。

関連論文リスト

• Social Support Detection from Social Media Texts [44.096359084699]
  ソーシャルメディアのような様々な相互作用やプラットフォームを通じて伝えられる社会支援は、所有意識を育む上で重要な役割を担っている。 本稿では,自然言語処理(NLP)タスクとしてのソーシャルサポート検出(SSD)について紹介する。 我々は1万のYouTubeコメントからなるデータセットで実験を行った。
  論文  参考訳（メタデータ） (2024-11-04T20:23:03Z)
• Learning Social Cost Functions for Human-Aware Path Planning [2.6995631218854235]
  本稿では,一般的な社会的シナリオを認識し,それに対応するために従来のプランナーのコスト関数を変更する新しい手法を提案する。 我々のアプローチでは、ロボットはタスクごとに異なるモジュールを持つのではなく、単一の学習モデルで異なる社会的規範を学習することができる。
  論文  参考訳（メタデータ） (2024-07-15T08:57:02Z)
• SOTOPIA: Interactive Evaluation for Social Intelligence in Language Agents [107.4138224020773]
  人工エージェントと人間との複雑な社会的相互作用をシミュレートするオープンエンド環境であるSOTOPIAを提案する。 エージェントは、複雑な社会的目標を達成するために協調し、協力し、交換し、互いに競い合う。 GPT-4は,人間よりも目標達成率が著しく低く,社会的常識的推論や戦略的コミュニケーション能力の発揮に苦慮していることがわかった。
  論文  参考訳（メタデータ） (2023-10-18T02:27:01Z)
• Self-supervised Hypergraph Representation Learning for Sociological Analysis [52.514283292498405]
  本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。 まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。 第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T01:20:29Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• Didn't see that coming: a survey on non-verbal social human behavior forecasting [47.99589136455976]
  近年,非言語的社会的行動予測が研究コミュニティの関心を集めている。 人間とロボットの相互作用や社会的に認識された人間のモーション生成への直接的な応用は、非常に魅力的な分野である。 本稿では,複数の対話エージェントに対する行動予測問題を,社会的信号予測と人間の動作予測の分野の統合を目的とした汎用的な方法で定義する。
  論文  参考訳（メタデータ） (2022-03-04T18:25:30Z)
• PHASE: PHysically-grounded Abstract Social Events for Machine Social Perception [50.551003004553806]
  私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。 フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。 ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
  論文  参考訳（メタデータ） (2021-03-02T18:44:57Z)
• From Learning to Relearning: A Framework for Diminishing Bias in Social Robot Navigation [3.3511723893430476]
  社会的ナビゲーションモデルは、差別や差別のような社会的不公平を複製し、促進し、増幅することができる。 提案するフレームワークは,安全性と快適性を考慮したソーシャルコンテキストを学習プロセスに組み込んだtextitlearningと,発生前に潜在的に有害な結果を検出し修正するtextitrelearningの2つのコンポーネントで構成されている。
  論文  参考訳（メタデータ） (2021-01-07T17:42:35Z)
• Semantics for Robotic Mapping, Perception and Interaction: A Survey [93.93587844202534]
  理解の研究は、ロボットに世界が何を意味するのかを決定する。 人間とロボットが同じ世界で活動するようになるにつれ、人間とロボットの相互作用の展望も意味論をもたらす。 ニーズや、トレーニングデータや計算リソースの可用性向上などによって駆動されるセマンティックスは、ロボティクスにおける急速に成長している研究領域である。
  論文  参考訳（メタデータ） (2021-01-02T12:34:39Z)
• Reinforcement Learning Approaches in Social Robotics [3.9523548427618067]
  本稿では,ソーシャルロボティクスにおける強化学習のアプローチについて調査する。 インタラクションは強化学習とソーシャルロボティクスの両方において重要な要素であるため、物理的に具体化されたソーシャルロボティクスとの現実世界のインタラクションには適している。
  論文  参考訳（メタデータ） (2020-09-21T08:56:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。