英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
FVA:使用运动捕捉对虚拟助理的感知友好性进行建模仿真
图1.（虚拟代理）FVA：友好虚拟代理（FVA）：我们提出了一种算法，可通过更改虚拟代理的注视（A），步态（B）和与头部点头（C）和挥动（D）相对应的手势来对虚拟代理的感知友好性进行建模。这些运动提示是使用我们新颖的数据驱动友好模型生成的。我们通过使用HoloLens的AR验证研究，从改善的社会存在感来评估收益。
概述-我们提出了一种新的方法，通过生成适当的运动特征来改善虚拟现实在AR环境中的友好性和热情。我们的算法基于一种新颖的数据驱动的友好模型，该模型使用用户研究和心理特征进行计算。我们使用模型来控制与友好虚拟代理（FVA）的步态，手势和注视相对应的移动，因为它们与用户的化身和环境中的其他代理进行交互。我们已将FVA代理与可与Microsoft HoloLens一起使用的AR环境集成在一起。我们的算法可以以交互速率生成合理的运动，以增加社交影响力。我们还调查了AR设置中用户的感知，并观察到FVA与没有友好模型的代理相比，在感知到的用户友好性和用户的社会存在方面具有统计学上的显着改善。我们观察到的对友善度的平均回应增加了5.71％，对社会存在度的平均回应增加了4.03％。
索引词-社会感知，智能虚拟代理，友善，步态，手势，凝视
- 介绍
对应于体现的数字或虚拟字符的智能虚拟代理（IV As）被广泛用于增强或混合现实环境中。在与治疗和康复，虚拟协助和培训相对应的许多应用中，IV As可以帮助用户实现各种目标。此外，许多这些应用程序都要求生成的IV外观，移动，行为，交流或像“活着的”生物一样，无论是真实的还是虚构的。
使用捕获，计算机视觉和渲染技术的组合，在3D建模和生成IV As的逼真的外观方面进行了大量工作。生成的算法已与当前的游戏引擎和AR系统集成在一起[39，56]。同时，IV As的一个主要问题是期望它们可信，并表现出使其在AR环境中显得合理的行为和情感。尤其是，用户应该通过IV As感到社交存在，并且应该对自己执行指定任务的能力充满信心[8，31，32]。根据先前的文献[58]，“当用户感到某种形式，行为或感官体验表明另一个人的存在时，就会出现社会存在。社会存在感的程度是用户感觉获得他人的智力，意图和感官印象的程度。”研究表明，具有社会行为和类人格特质的IVAs可以改善社会存在感[55]。心理学中的一个类似问题反映了如何使用户信任IV A的挑战–如何使人们信任并在联合任务中更多地依赖他人。当人们在共同任务中与他人互动时，他们会在两个广泛的问题上对他们进行评估：能力和热情/友善[21]。对于增强现实应用，能力与IV A的能力和智能有关，可以通过赋予IV A感知和影响现实世界的能力（例如，使用语音，摄像头或深度传感器）来提高能力。尽管能力是评估潜在行动伙伴的重要考虑因素，但评估他人的能力甚至更重要[11]。温暖是最基本的人际关系评估之一，涉及一个人是否友善[4]。即使一个人胜任，即使他们不表现出友善，人们也不信任他们，也不太可能选择他们作为互动伙伴。同样，用户对看起来更友好的IVA可能更有信心。在本文中，我们解决了自动生成IV A行为的问题，该行为通过使用适当的提示使其显得更友好。人类通过非语言提示自愿和非自愿地交流情感，情绪和意图。友善或温暖也通过轨迹，手势，步态等非言语运动暗示来传达。此外，人类会使用非言语暗示（如开放姿态，放松步态和适度的眼神交流）来传达人际交往的温暖感[54] ]。受这些心理学观察的启发，我们研究了产生相似的非言语运动线索的方法，以使我们的IV As更友好。主要结果：我们提出了一种基于新颖的数据驱动友好模型在AR环境中建模友好虚拟代理（FV As）的方法。我们的公式考虑了三个主要的运动特征：步态，手势和注视。我们进行感知研究并分析结果，以在步态和感知的友善之间建立映射。此外，我们使用心理特征来建模表达友善的手势和注视特征。结合了这些运动特征，我们使用了详尽的基于网络的验证研究来验证我们的友好模型。我们使用友好模型以非语言提示的形式为IV A生成运动特征。我们使用行为有限状态机（BFSM）来控制步态，手势和注视提示。此外，我们通过全局规划和防撞技术来增强这些运动特性，以在环境中进行导航。我们验证了生成的FV A对用户的社交感以及他们对FVA使用Microsoft HoloLens在AR环境中执行指定任务的能力的信心的信心。我们的研究结果表明，FVA对他们完成标准意识和影响任务的能力提供了更多的信心。此外，如使用标准的Temple Presence库存（TPI）问卷所测量的那样，用户使用FV会体验到更高的社交感。我们工作的新颖贡献包括：
- 友好模型：我们提出了一种基于数据的步态与其感知的友好度之间的映射关系。我们还介绍了使用心理表征得出的手势和注视的友好模型。我们结合了这三个友好步态，手势和注视模型构成了我们的整体友好模型（图2）。我们使用基于网络的研究（第4节）验证了该模型的准确性。
2.我们提出了新颖的算法，使用我们的友善模型来生成与步态，手势和注视相对应的非语言运动特征。我们的公式使用BFSM，它会根据环境状态进行更新。我们使用这些算法在AR环境中生成适当的IV As移动行为（第5节）。
3. AR风险研究：我们使用Microsoft HoloLens进行了AR研究，以评估FV As对用户的社会存在感以及他们对FVA在沉浸式环境中完成指定任务的能力的信心（图1）。我们假设FVA会显得更友好，并会增加用户的存在感和对FVA功能的信心。我们观察到虚拟代理的感知友好性（平均响应提高了5.71％）在统计学上有显着提高。我们的研究结果还表明，使用FV As（第6节），用户在社交和空间存在感上有统计学意义的增加。
2.相关工作
在本节中，我们简要概述了有关IV As及其在AR和混合现实中的使用的相关工作。我们还简要介绍了运动特征和社会行为。
2.1智能虚拟代理建模
大量研究集中在IVA及其外观，行为和动作上[45]。 Norouzi等。 [50]对语音建模，言语和非言语行为，外表和IV As身份的先前工作进行了调查。语音方法已被用来为语音和对话的不同特征建模（例如，情感[24]）。与身体姿势[38]，手势[20]，面部表情[42、46]，注视[34]，轨迹[9、53]等相对应的非语言方法已用于建模社交行为，情感行为，和人格特质[59]。这些方法也已用于行人之间的机器人导航[10，52]。已经提出了其他技术来生成不同样式的物理外观（逼真与卡通风格）并评估它们对存在感的影响[25]。其他方法从真实人类的视频中为IV As重建3D化身和姿势[39、40、56、57]。 Beun等。 [12]研究了视觉体现和拟人化的影响。 Normoyle等。 [49]研究了姿势和动力学对虚拟主体情绪感知的影响。在本文中，我们使用运动特征对具有友好特征的IV As进行建模。我们的方法使用步态，手势和注视功能，是对这些先前方法的补充。
2.2虚拟代理的移动特征
IV As已用于为不同的应用程序填充AR环境[3，51]。大部分研究都集中在设计虚拟代理上，这些代理了解环境的变化并能够影响环境[15]。先前的研究表明，这些能力对共同存在和社会存在有积极影响[37]。 AR情景中的IVA已根据标准的社会存在度指标[41]和信心指数[31]进行了评估。在本文中，我们设计了FV As，并使用Microsoft HoloLens在AR环境中以相似的指标对它们进行了评估。
2.3虚拟代理的社会行为
以前的大多数方法都使用Argyle的关系模型[4]来构造虚拟角色[6，13]。根据该模型，人际关系可以使用两个维度来表示：优势和友善。一些研究人员研究了IV As的优势关系[7]。在本文中，我们着重于对IV As的友好性进行建模。友善是指两个或多个代理人之间的亲密程度和友谊水平。黄等。 [30]模仿使用非语言提示的社交机器人的友善度。众所周知，友谊会受到熟悉和温暖的影响[21]。非语言提示，例如步态[43]，注视[5]，面部表情[54]等，可用于传达，感知和传达温暖。先前的研究已经使用这些发现来模拟虚拟代理的温暖。 Bergmann等。 [11]使用手势传达虚拟代理中的热情。 Kim等。 [31]研究了视觉体现和社会行为对IV As感知的影响。 Nguyen等。 [48]使用手势，空间使用和注视行为的组合来模拟虚拟代理的温暖和能力。我们的方法受到这些先前方法的启发，并且我们使用非语言运动特征来生成FV As。
3概述
在本节中，我们将介绍我们的符号和本文其余部分中使用的术语。我们还将简要介绍友好的心理模型。
3.1符号
先前的文献区分了被认为是由人类控制的虚拟表示（即化身）或被认为是由计算机算法控制的虚拟表示（即代理）。在本文中，我们将由我们的算法控制的虚拟表示形式称为FVA。其可视化实施例称为3D模型，该模型由3D网格和分层骨架组成。层次骨架用S表示，它包含层次树中所有关节相对于其父关节的位置，髋关节位于其根部。骨骼在时间t的构型由con f（S，t）表示，并包含所有关节相对于其父关节的旋转角度。一个人的步态或步行方式是其整体运动的独特特征。人的姿态Pisin;R48是每个关节ji，iisin;{1,2，...，16}的3D位置集合。步态是一组3D姿势P1，P2，...，Ptau;，其中tau;是时间步长。步态和手势对应于骨骼配置的时间序列。我们用g = [con f（S，0），con f（S，1），...，con f（S，n）]表示步态，用m = [con f（S，0） ，con f（S，1），...，con f（S，n）]。一组步态由G表示，一组手势由M表示。凝视是人类面对面互动的重要方面，可用于提高虚拟角色的行为合理性和游戏角色的整体素质沉浸式虚拟体验。我们首先确定用户是否对虚拟代理可见，然后使用该信息进行注视移动。我们将注视行为建模为一个布尔变量，该布尔变量表示由xi;表示的眼神接触。我们使用BFSM来触发上下文相关的手势并注视运动提示。 BFSM代表FV A的状态，包括其近期目标和任务。 BFSM还可以包括其他情境，例如情绪和个性。在数学上，我们用函数B：ttimes;E→I表示BFSM，它获取环境E的时间和状态，并输出唯一的BFSM状态ID iisin;I。环境状态包含静态障碍物的位置和尺寸以及动态障碍物的当前位置和速度。使用该BFSM执行IV A的各种运动及其轨迹计算。
3.2友善
心理学文献中对友好和温暖的概念进行了广泛的研究。当人们在执行共同任务时与他人互动时，他们通常会在社会认知的两个主要维度上对其进行评估：温暖和能力[19，22]。能力维度涉及该代理是否能够协助手头的任务。通过考虑各种因素（例如能力，智力和可靠性）可以回答此问题。大量的心理学研究表明，人类基于这些因素做出关于他人的推论[16、17]。过去有关虚拟代理或人机交互的研究也研究了这些问题[11，48]。对应于温暖或友善的另一个维度反映了人们是否友善和好心。它涉及最基本的人际关系判断，即某人是否为
朋友还是敌人，以及对方是否意味着帮助或伤害您。据菲斯克等。 [21]，温暖是在胜任力之前进行判断的，它在诱发情感和行为反应方面具有更大的重要性。由于心理学文献以同义的方式使用温暖和友善，因此在本文的其余部分中，我们仅指友好一词。为了衡量友好程度，以前的研究[11]使用了包括18个项目的问卷，包括愉快，友好，乐于助人的问卷，必须使用利克特（Likert）七分制进行评估。对这些数据的进一步分析表明，以下几项倾向于以高度的可靠性来衡量友好程度：愉快，敏感，友好，乐于助人，讨人喜欢，平易近人，善于交际。在本文中，我们还使用此标度来度量友好度，并将友好度表示为从0（完全不友好）到1（非常友好）的标量值。通过平均对比例项的响应并将其标准化为[0,1]，可以获得此标量值。
4友谊模型
在本节中，我们将从开始用于进行步态与其感知友好度之间映射的友好感知研究开始，描述友好模型。接下来，我们描述用于建模传达友好度的手势和注视特征的心理特征。在本文中，我们将此友好和非语言提示模型称为“友好模型”。最后，我们介绍了用于验证我们的友好模型的基于Web的验证研究的详细信息。
4.1步态的友好知觉研究
这项研究旨在获得步态与其感知的友好度之间的映射。
4.1.1步态数据集
我们设计了一种数据驱动的方法，并使用了公开的运动捕捉步态数据集[1]中的49个步态来计算此映射。我们可视化了数据集中的每个步态，并要求参与者根据友好度指标对每个步态进行评分。为了避免3D模型的出现影响步态的友好感，我们仅使用骨架网格物体来生成步态可视化效果（图3）。
4.1.2参与者
我们从Amazon Mechanical Turk招募了68名参与者（35名女性，33名男性，年龄= 35.75）。我们以随机顺序向每个参与者展示了10个视频的子集。参与者可以根据自己的意愿观看每个视频多次，然后以友好程度对其进行评分。对于每个视频，我们至少获得10位参与者的回复。
4.1.3友善措施
我们使用了标准的友善措施（第3.2节），其中包括七个部分：愉快，敏感，友好，乐于助人，讨人喜欢，平易近人，善于交际。对于每个组成部分，参与者提供的评分为7分制，其中7分表示高度认同。我们还询问参与者是否发现步态不自然。
4.1.4结果
我
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[239643]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
