详细内容或原文请订阅后点击阅览
EMOTION：具有上下文学习的人形机器人的富有表现力的运动序列生成
本文介绍了一种名为 EMOTION 的框架，用于在人形机器人中生成富有表现力的运动序列，从而增强它们进行类似人类的非语言交流的能力。面部表情、手势和身体动作等非语言线索在有效的人际互动中起着至关重要的作用。尽管机器人行为取得了进步，但现有方法往往无法模仿人类非语言交流的多样性和微妙性。为了解决这一差距，我们的方法利用大型语言模型 (LLM) 的上下文学习能力来……
来源:Apple机器学习研究本文介绍了一种名为 EMOTION 的框架，用于在人形机器人中生成富有表现力的动作序列，从而增强机器人进行类似人类的非语言交流的能力。面部表情、手势和身体动作等非语言线索在有效的人际互动中起着至关重要的作用。尽管机器人行为取得了进步，但现有方法往往无法模仿人类非语言交流的多样性和微妙性。为了解决这一差距，我们的方法利用大型语言模型 (LLM) 的上下文学习能力，动态生成适合社交的人机交互手势动作序列。我们使用此框架生成 10 种不同的富有表现力的手势，并进行在线用户研究，比较 EMOTION 及其人机反馈版本 EMOTION++ 生成的动作与人类操作员生成的动作的自然性和可理解性。结果表明，在某些情况下，我们的方法在生成可理解和自然的机器人动作方面与人类表现相当甚至超过人类。我们还为未来的研究提供了设计启示，以便在生成富有表现力的机器人手势时考虑一组变量。