論文の概要: Learning Nonverbal Cues in Multiparty Social Interactions for Robotic Facilitators
- arxiv url: http://arxiv.org/abs/2501.10857v1
- Date: Sat, 18 Jan 2025 19:24:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-22 14:20:20.142453
- Title: Learning Nonverbal Cues in Multiparty Social Interactions for Robotic Facilitators
- Title(参考訳): ロボットファシリテータのための多人数ソーシャルインタラクションにおける非言語クイズ学習
- Authors: Antonio Lech Martin-Ozimek, Isuru Jayarathne, Su Larb Mon, Jouhyeong Chew,
- Abstract要約: Implicit Behavior Cloning (IBC)モデルは、様々なタスクにおいて従来のMean Squared Error (MSE) BCモデルよりも一貫して優れていた。
コントリビューションは,(1)IBCモデルの複製と拡張,(2)ソーシャルインタラクションのための非言語的キュー生成モデルである。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Conventional behavior cloning (BC) models often struggle to replicate the subtleties of human actions. Previous studies have attempted to address this issue through the development of a new BC technique: Implicit Behavior Cloning (IBC). This new technique consistently outperformed the conventional Mean Squared Error (MSE) BC models in a variety of tasks. Our goal is to replicate the performance of the IBC model by Florence [in Proceedings of the 5th Conference on Robot Learning, 164:158-168, 2022], for social interaction tasks using our custom dataset. While previous studies have explored the use of large language models (LLMs) for enhancing group conversations, they often overlook the significance of non-verbal cues, which constitute a substantial part of human communication. We propose using IBC to replicate nonverbal cues like gaze behaviors. The model is evaluated against various types of facilitator data and compared to an explicit, MSE BC model. Results show that the IBC model outperforms the MSE BC model across session types using the same metrics used in the previous IBC paper. Despite some metrics showing mixed results which are explainable for the custom dataset for social interaction, we successfully replicated the IBC model to generate nonverbal cues. Our contributions are (1) the replication and extension of the IBC model, and (2) a nonverbal cues generation model for social interaction. These advancements facilitate the integration of robots into the complex interactions between robots and humans, e.g., in the absence of a human facilitator.
- Abstract(参考訳): 従来の行動クローニング(BC)モデルは、人間の行動の微妙さを再現するのにしばしば苦労する。
これまでの研究では、新たなBCテクニックであるImplicit Behavior Cloning(IBC)の開発を通じて、この問題に対処しようと試みてきた。
この新手法は、従来の平均二乗誤差 (MSE) BC モデルを様々なタスクで一貫して上回った。
我々の目標は、私たちのカスタムデータセットを用いたソーシャルインタラクションタスクにおいて、フィレンツェによるIBCモデルの性能を再現することである(第5回ロボット学習会議164:158-168, 2022年)。
従来の研究では、グループ会話の強化に大規模な言語モデル(LLM)を用いることが検討されてきたが、人間のコミュニケーションのかなりの部分を構成する非言語的手がかりの重要性を見落としていることが多い。
IBCを用いて、視線行動のような非言語的手がかりを再現する。
このモデルは様々な種類のファシリテータデータに対して評価され、明快なMSE BCモデルと比較される。
IBCモデルがセッションタイプでMSE BCモデルより優れていることを示す。
ソーシャルインタラクションのためのカスタムデータセットに説明可能な混合結果を示す指標はいくつかあるが、非言語的手がかりを生成するためにIBCモデルをうまく再現した。
コントリビューションは,(1)IBCモデルの複製と拡張,(2)ソーシャルインタラクションのための非言語的キュー生成モデルである。
これらの進歩は、人間のファシリテーターがいない状態で、ロボットと人間の間の複雑な相互作用にロボットを統合することを促進する。
関連論文リスト
- RoboBERT: An End-to-end Multimodal Robotic Manipulation Model [16.49336015368792]
本稿では、ユニークなトレーニング戦略と統合された、新しいエンドツーエンドロボット操作モデルであるRoboBERTを紹介する。
RoboBERTは、言語ラベルのエキスパートデモのみを使用しながら、非常に競争力のある成功率を達成する。
実際のロボットでテストすると、モデルは優れた性能を示し、同じデータで訓練された他の方法よりも高い成功率を達成する。
論文 参考訳(メタデータ) (2025-02-11T02:16:59Z) - Diffusion-Based Imitation Learning for Social Pose Generation [0.0]
ロボットや仮想エージェントのような知的なエージェントは、人間と対話する複雑な社会的相互作用のダイナミクスを理解する必要がある。
我々は、社会的相互作用における複数の個人の単一のモダリティ、ポーズ行動を用いて、その相互作用のファシリテータのための非言語的社会的手がかりを生成する方法について検討する。
論文 参考訳(メタデータ) (2025-01-18T20:31:55Z) - AM-MTEEG: Multi-task EEG classification based on impulsive associative memory [6.240145569484483]
本研究では,ヒト海馬における学習と記憶の原理に着想を得たマルチタスク分類モデルAM-MTEEGを提案する。
このモデルは個々の脳波を独立したタスクとして扱い、個人間での機能共有を促進する。
2つのBCIコンペティションデータセットによる実験結果から,我々のモデルでは最先端モデルと比較して平均精度が向上していることがわかった。
論文 参考訳(メタデータ) (2024-09-27T01:33:45Z) - PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
社会実践, 一貫性, 動的発達という, 心理学に根ざした個性の原則を統合したPersLLMを提案する。
モデルパラメータに直接パーソナリティ特性を組み込み、誘導に対するモデルの抵抗性を高め、一貫性を高め、パーソナリティの動的進化を支援する。
論文 参考訳(メタデータ) (2024-07-17T08:13:22Z) - Real-time Addressee Estimation: Deployment of a Deep-Learning Model on
the iCub Robot [52.277579221741746]
住所推定は、社会ロボットが人間とスムーズに対話するために必要なスキルである。
人間の知覚スキルにインスパイアされたディープラーニングモデルは、iCubロボットに設計、訓練、デプロイされる。
本研究では,人間-ロボットのリアルタイムインタラクションにおいて,そのような実装の手順とモデルの性能について述べる。
論文 参考訳(メタデータ) (2023-11-09T13:01:21Z) - Transferring Foundation Models for Generalizable Robotic Manipulation [82.12754319808197]
インターネット規模の基盤モデルによって生成された言語推論セグメンテーションマスクを効果的に活用する新しいパラダイムを提案する。
提案手法は,オブジェクトのポーズを効果的かつ堅牢に知覚し,サンプル効率のよい一般化学習を可能にする。
デモは提出されたビデオで見ることができ、より包括的なデモはlink1またはlink2で見ることができます。
論文 参考訳(メタデータ) (2023-06-09T07:22:12Z) - Towards the Scalable Evaluation of Cooperativeness in Language Models [1.7875811547963403]
我々は, PLMのマルチエージェント行動を理解し, 形成することを目的としている。
クラウドワーカーと言語モデルの両方で、特定の構造でシナリオを生成します。
インストラクションをチューニングしたモデルは、スケールアップ時に協調的と見なされるような振る舞いをする傾向にある。
論文 参考訳(メタデータ) (2023-03-16T15:34:23Z) - Learning Contextual Representations for Semantic Parsing with
Generation-Augmented Pre-Training [86.91380874390778]
本稿では,生成モデルを活用して事前学習データを生成することで,自然言語発話と表スキーマの表現を共同で学習するGAPを提案する。
実験結果に基づいて、GAP MODELを利用するニューラルセマンティクスは、SPIDERとCRITERIA-to-generationベンチマークの両方で最新の結果を得る。
論文 参考訳(メタデータ) (2020-12-18T15:53:50Z) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳(メタデータ) (2020-07-07T17:19:56Z) - Interactions in information spread: quantification and interpretation
using stochastic block models [3.5450828190071655]
ソーシャルネットワークでは、ユーザーの行動は、対話する人々、フィード内のニュース、トレンドトピックから生じる。
本稿では、エンティティ間のインタラクションの役割を調査する新しいモデル、Interactive Mixed Membership Block Model (IMMSBM)を提案する。
推論タスクでは、それらを考慮すれば、結果の確率の最大150%の非相互作用モデルに対する平均的な相対的な変化につながる。
論文 参考訳(メタデータ) (2020-04-09T14:22:10Z) - Learning Predictive Models From Observation and Interaction [137.77887825854768]
世界との相互作用から予測モデルを学ぶことで、ロボットのようなエージェントが世界がどのように働くかを学ぶことができる。
しかし、複雑なスキルのダイナミクスを捉えるモデルを学ぶことは大きな課題である。
本研究では,人間などの他のエージェントの観察データを用いて,トレーニングセットを増強する手法を提案する。
論文 参考訳(メタデータ) (2019-12-30T01:10:41Z)
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。