韓國電子和電信研究所(ETRI)的研究人員最近開發(fā)了一個基于深度學習的模型，該模型可以幫助機器人創(chuàng)造自發(fā)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(fā)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(tài)地學習新的社會行為。

　　“深度學習技術(shù)在計算機視覺和自然語言理解等領域產(chǎn)生了有趣的結(jié)果，”領導這項研究的研究人員之一Woo-RiKo告訴TechXplore。“我們已經(jīng)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(fā)的基于人工神經(jīng)網(wǎng)絡(ANN)的技術(shù)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(wǎng)絡(GAN)的生成相結(jié)合。新架構(gòu)在AIR-Act2Act數(shù)據(jù)庫上進行訓練，該數(shù)據(jù)庫包含10種不同情況下的5000次人機交互。

　　“建議的神經(jīng)網(wǎng)絡結(jié)構(gòu)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(jù)用戶和機器人的當前行為創(chuàng)建下一個機器人行為，鑒別器防止解碼器在導致持續(xù)行為時輸出錯誤的手勢序列?！?/p>

　　利用AIR-Act2Act數(shù)據(jù)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(zhí)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(chuàng)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(fā)現(xiàn)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(zhí)行五種行為。

　　“我們已經(jīng)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?！拔覀兊哪Ｐ涂梢援a(chǎn)生更自然的行為，而不是根據(jù)現(xiàn)有的規(guī)則以某種方式重復預定的行為。當機器人創(chuàng)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(guān)心。”

　　研究人員創(chuàng)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(zhì)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(tǒng)中進行應用和測試?！拔覀儸F(xiàn)在計劃進行額外的實驗，測試機器人在現(xiàn)實世界中面對人類時表現(xiàn)出適當社交行為的能力；提議的行為發(fā)生器的強度將在數(shù)據(jù)上進行測試?！贝送猓ㄟ^收集和學習更多的交互數(shù)據(jù)，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(quán)益，版權(quán)或其他問題請及時聯(lián)系我們，我們會第一時間處理。