从多式联络特征到行为推断:在人机交互中的参与模型的管道

科学领域:

• 人与机器人的交互
• 计算心理学 计算心理学
• 人工智能的人工智能

背景情况:

• 目前的参与预测模型缺乏人格和人际行为理论.
• 人与人互动理论为参与动态提供了洞察力.
• 从人机交互的多模式数据是丰富的行为分析.

研究的目的:

• 调查个性推断和人际关系理论是否增强了参与行为建模.
• 开发一条新的管道,结合五大个性特征,人际交际综合 (IPC) 和人际交际行为 (TIB) 的Triandis理论.
• 在参与模型中验证个性的优势.

主要方法:

• 从MHHRI数据集中提取了第一人称视觉和生理特征.
• 使用支持矢量机器预测大五个人的性格特征.
• 开发了一种使用IPC的方法,从五大特征中得出态度和情绪得分.

主要成果:

• 态度和情绪与人机交互中的行为相关,支持TIB.
• 结合IPC和五大特征,通过补充的行为推断来增强参与预测.
• 新的管道有效地通过整合个性和人际关系动态来模拟吸引人的行为.

结论:

• 人格特征和人际关系动态对于准确的参与模型在人机交互中至关重要.
• 拟议的管道通过将计算模型与心理理论相结合,提供了对参与的更丰富的理解.
• 这些发现在人工智能,机器人,在线学习和认知科学等领域都有应用.