摘要 本文介绍了一个原始的受控交互数据集,重点研究反馈项目。它包括由演员扮演的医生和患者之间的不同对话的记录。在这个语料库中,患者主要是倾听者,并产生不同的反馈,其中一些反馈不一致(自愿)。此外,这些对话已在虚拟现实环境中重新合成,其中患者由人工智能代理扮演。最终的语料库由不同的人与人对话电影以及在人机环境中重播的相同对话组成,从而产生了第一个人与人/人机平行语料库。然后,语料库在语言和非语言层面上用不同的多模态注释进行了丰富。此外,这是第一个此类数据集,我们设计了一个实验,在此期间,不同的参与者必须观看电影并对互动进行评估。在此任务中,我们记录了参与者的大脑信号。然后,Brain-IHM 数据集被构思用于三重目的:1/ 通过比较一致和不一致的反馈来研究反馈 2/ 比较人与人和人机产生的反馈 3/ 研究反馈感知的大脑基础。
摘要 本文介绍了一个原始的受控交互数据集,重点研究反馈项目。它包括由演员扮演的医生和患者之间的不同对话的记录。在这个语料库中,患者主要是倾听者,并产生不同的反馈,其中一些反馈不一致(自愿)。此外,这些对话已在虚拟现实环境中重新合成,其中患者由人工智能代理扮演。最终的语料库由不同的人与人对话电影以及在人机环境中重播的相同对话组成,从而产生了第一个人与人/人机平行语料库。然后,语料库在语言和非语言层面上用不同的多模态注释进行了丰富。此外,这是第一个此类数据集,我们设计了一个实验,在此期间,不同的参与者必须观看电影并对互动进行评估。在此任务中,我们记录了参与者的大脑信号。然后,Brain-IHM 数据集被构思用于三重目的:1/ 通过比较一致和不一致的反馈来研究反馈 2/ 比较人与人和人机产生的反馈 3/ 研究反馈感知的大脑基础。