韓國電子和電信研究所(ETRI)的研究人員最近開發了一個基于深度學習的模型，該模型可以幫助機器人創造自發的社會行為，如擁抱或握手。手。他們的模型在arXiv上一篇預先發表的論文中提出，我們可以通過檢查人與人之間的交互來動態地學習新的社會行為。

　　“深度學習技術在計算機視覺和自然語言理解等領域產生了有趣的結果，”領導這項研究的研究人員之一Woo-RiKo告訴TechXplore。“我們已經開始將深度學習應用于社交機器人，尤其是讓機器人從人類的互動中學習社交行為。

　　Ko和他的同事開發的基于人工神經網絡(ANN)的技術將谷歌研究人員在2014年推出的Seq2Seq(序列對序列)模型與對抗網絡(GAN)的生成相結合。新架構在AIR-Act2Act數據庫上進行訓練，該數據庫包含10種不同情況下的5000次人機交互。

　　“建議的神經網絡結構由編碼器、解碼器和鑒別器組成，”Ko解釋道。“編碼器解釋用戶的當前行為，解碼器根據用戶和機器人的當前行為創建下一個機器人行為，鑒別器防止解碼器在導致持續行為時輸出錯誤的手勢序列。”

　　利用AIR-Act2Act數據庫中記錄的5000次交互，提取了超過11萬個訓練樣本(即短視頻)，其中人類在與他人交互時執行特定的非語言社交行為。研究人員專門訓練他們的模型，為機器人創造五種非語言手勢，即鞠躬、眼神、握手、擁抱和捂臉。

　　Ko和他的同事在一系列模擬中評估了他們的非語言社會行為模型，特別是將其應用于模擬版Pepper，這是一種廣泛應用于研究領域的人形機器人。他們的初步發現是有希望的，因為他們的模型將在人類互動過程中的正確時間執行五種行為。

　　“我們已經證明，不同類型的社會行為可以通過深度學習方法教給機器人，”Ko說。“我們的模型可以產生更自然的行為，而不是根據現有的規則以某種方式重復預定的行為。當機器人創造這些社交行為時，它會讓用戶意識到他們的行為在情感上被理解和關心。”

　　研究人員創建的新模型可以幫助社交機器人變得更加靈活，對社交更加敏感，這可能會提高它們與人類用戶互動的整體質量和過程。未來可以在家庭服務機器人、引導機器人、送貨機器人、教育機器人、臨場機器人等各種機器人系統中進行應用和測試。“我們現在計劃進行額外的實驗，測試機器人在現實世界中面對人類時表現出適當社交行為的能力；提議的行為發生器的強度將在數據上進行測試。”此外，通過收集和學習更多的交互數據，我們計劃擴大社會行為和復雜行動的范圍，我們就是展出的機器人。"

      特別聲明：文章僅代表作者個人觀點，不代表麗泰的觀點和立場。如果侵犯到您的權益，版權或其他問題請及時聯系我們，我們會第一時間處理。