論文の概要: Wrong Face, Wrong Move: The Social Dynamics of Emotion Misperception in Agent-Based Models

• arxiv url: http://arxiv.org/abs/2509.00080v1
• Date: Tue, 26 Aug 2025 22:42:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.059198
• Title: Wrong Face, Wrong Move: The Social Dynamics of Emotion Misperception in Agent-Based Models
• Title（参考訳）: Wrong Face, Wrong Move:エージェントモデルにおける感情認識の社会的ダイナミクス
• Authors: David Freire-Obregón,
• Abstract要約: 人間が他人の感情を検知し、反応する能力は、社会的行動を理解するのに不可欠である。 ここでは、エージェントが様々な精度の感情分類器でインスタンス化され、知覚的精度が創発的感情行動および空間行動に与える影響を研究する。 その結果, 低精度分類器は信頼の低下, 悲しみへの感情の崩壊, 混乱した社会組織を確実に引き起こすことがわかった。
• 参考スコア（独自算出の注目度）: 2.0221069271989305
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ability of humans to detect and respond to others' emotions is fundamental to understanding social behavior. Here, agents are instantiated with emotion classifiers of varying accuracy to study the impact of perceptual accuracy on emergent emotional and spatial behavior. Agents are visually represented with face photos from the KDEF database and endowed with one of three classifiers trained on the JAFFE (poor), CK+ (medium), or KDEF (high) datasets. Agents communicate locally on a 2D toroidal lattice, perceiving neighbors' emotional state based on their classifier and responding with movement toward perceived positive emotions and away from perceived negative emotions. Note that the agents respond to perceived, instead of ground-truth, emotions, introducing systematic misperception and frustration. A battery of experiments is carried out on homogeneous and heterogeneous populations and scenarios with repeated emotional shocks. Results show that low-accuracy classifiers on the part of the agent reliably result in diminished trust, emotional disintegration into sadness, and disordered social organization. By contrast, the agent that develops high accuracy develops hardy emotional clusters and resilience to emotional disruptions. Even in emotionally neutral scenarios, misperception is enough to generate segregation and disintegration of cohesion. These findings underscore the fact that biases or imprecision in emotion recognition may significantly warp social processes and disrupt emotional integration.
• Abstract（参考訳）: 人間が他人の感情を検知し、反応する能力は、社会的行動を理解するのに不可欠である。 ここでは、エージェントが様々な精度の感情分類器でインスタンス化され、知覚的精度が創発的感情行動および空間行動に与える影響を研究する。 エージェントは、KDEFデータベースの顔写真で視覚的に表現され、JSFFE(poor)、CK+(medium)、KDEF(high)データセットでトレーニングされた3つの分類器のうちの1つが提供される。 エージェントは2次元トロイダル格子上で局所的にコミュニケーションし、分類器に基づいて隣人の感情状態を認識し、正の感情に対する動きに反応し、負の感情から遠ざかる。 エージェントは、地味な感情ではなく、認識に反応し、体系的な誤解とフラストレーションをもたらすことに注意してください。 同種および異種集団および繰り返しの情緒的ショックを伴うシナリオに対して、実験のバッテリが実施される。 その結果,エージェント部分の低精度分類器は信頼の低下,悲しみへの感情の崩壊,無秩序な社会組織を確実に引き起こすことがわかった。 対照的に、高い精度で発達するエージェントは、強い感情的クラスターと、感情的破壊に対するレジリエンスを発達させる。 感情的に中立なシナリオでも、誤解は分離や凝集の崩壊を引き起こすのに十分である。 これらの知見は、感情認識のバイアスや不正確さが社会的プロセスを著しく歪め、感情統合を阻害する可能性があるという事実を浮き彫りにしている。

関連論文リスト

• Sentient Agent as a Judge: Evaluating Higher-Order Social Cognition in Large Language Models [75.85319609088354]
  SAGE(Sentient Agent as a Judge)は、大規模言語モデルの評価フレームワークである。 SAGEは人間のような感情の変化や内的思考をシミュレートするSentient Agentをインスタンス化する。 SAGEは、真に共感的で社会的に適応的な言語エージェントへの進捗を追跡するための、原則付き、スケーラブルで解釈可能なツールを提供する。
  論文  参考訳（メタデータ） (2025-05-01T19:06:10Z)
• Disentangle Identity, Cooperate Emotion: Correlation-Aware Emotional Talking Portrait Generation [63.94836524433559]
  DICE-Talkは、感情と同一性を切り離し、類似した特徴を持つ感情を協調するフレームワークである。 我々は、モーダル・アテンションを通して、音声と視覚の感情の手がかりを共同でモデル化するアンタングル型感情埋め込み装置を開発した。 次に,学習可能な感情バンクを用いた相関強化感情調和モジュールを提案する。 第3に、拡散過程における感情の一貫性を強制する感情識別目標を設計する。
  論文  参考訳（メタデータ） (2025-04-25T05:28:21Z)
• ReflectDiffu:Reflect between Emotion-intent Contagion and Mimicry for Empathetic Response Generation via a RL-Diffusion Framework [5.135349405469574]
  共感応答生成のための軽量で包括的なフレームワークである ReflectDiffu を紹介する。 この枠組みは感情の伝染を組み込んで感情表現を増強し、感情表現マスクを用いて批判的な感情的要素を識別する。 探索・サンプリング・修正のメカニズムを2回反映することで、リフレクションディフューは感情的な意思決定を正確に意図の行動に変換する。
  論文  参考訳（メタデータ） (2024-09-16T13:56:17Z)
• Emotion-Oriented Behavior Model Using Deep Learning [0.9176056742068812]
  感情に基づく行動予測の精度は2尾のピアソン相関を用いて統計的に検証される。 本研究は,感情指向行動に基づく多面的人工エージェントインタラクションの基盤となる。
  論文  参考訳（メタデータ） (2023-10-28T17:27:59Z)
• Emotion Recognition With Temporarily Localized 'Emotional Events' in Naturalistic Context [1.7205106391379026]
  我々は脳波信号を用いて、Valence(V)次元とArousal(A)次元の異なる組み合わせで感情事象を分類する。 感情に関する正確な情報を持つことで、長期の脳波信号と比較して分類精度が向上する。
  論文  参考訳（メタデータ） (2022-10-25T10:01:40Z)
• A Circular-Structured Representation for Visual Emotion Distribution Learning [82.89776298753661]
  視覚的感情分布学習に先立つ知識を活用するために,身近な円形構造表現を提案する。 具体的には、まず感情圏を構築し、その内にある感情状態を統一する。 提案した感情圏では、各感情分布は3つの属性で定義される感情ベクトルで表される。
  論文  参考訳（メタデータ） (2021-06-23T14:53:27Z)

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。