解开线索:理解和解决人机交互中的连续失败问题
Lucien Tisserand1, Brooke Stephenson1,2, Heike Baldauf-Quilliatre1
1Interactions, Corpus, Apprentissages, Représentations (ICAR) UMR5191, Centre National de la Recherche Scientifique, ENS de Lyon and Université Lyon 2, Labex ASLAN, Lyon, France.
Frontiers in robotics and AI
|September 27, 2024
概括
人与机器人的互动与实时对话流程相斗争. 分析图书馆互动揭示了顺序理解中的问题,指导未来的对话系统设计,以更好地适应上下文.
科学领域:
- 人与机器人的交互 (HRI)
- 对话分析 对话分析
- 自然语言处理 (NLP) 是一种自然语言处理.
背景情况:
- 互动是一个动态的,实时的过程.
- 参与者使用相关性和社会规范来解释语音转换.
- 适应不断变化的对话环境是HRI的一个关键挑战.
研究的目的:
- 在自然人机器人交互 (HRIs) 中识别顺序流处理中的问题.
- 在开放世界的大学图书馆环境中分析HRIs.
- 为复杂情况指导改进的HRI系统的设计.
主要方法:
- 对野生HRI群体的分析.
- 识别与不充分的顺序流处理相关的问题.
- 自然语言处理 (NLP) 和机器对话管理方法的调查.
主要成果:
- 序列流的不充分处理是当前HRI系统的一个重要问题.
- 现实世界的图书馆互动带来了复杂的上下文挑战.
- 鉴定出了由于顺序理解不足而产生的特定问题.
结论:
- 从分析野生人力资源指标的洞察力可以为更好的系统设计提供信息.
- 改进对对话上下文的处理对于有效的HRI至关重要.
- 需要在NLP和对话管理方面进行进一步的研究,以减轻所发现的问题.


