MétaCan
Menu
Retour à la cohorte
Enregistrement W3122166314 · doi:10.3390/app10030923

Communication with Self-Growing Character to Develop Physically Growing Robot Toy Agent

2020· article· en· W3122166314 sur OpenAlexaff
Mingu Lee, Jiyong Kim, Hyunsu Jeong, Azure Pham, Changhyeon Lee, Pilwoo Lee, Thiha Soe, Seong-Woo Kim, Juhyun Eune

Notice bibliographique

RevueApplied Sciences · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueSocial Robot Interaction and HRI
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesInstitute for Information and Communications Technology PromotionKorean Intellectual Property OfficeMinistry of Science and ICT, South KoreaIran Telecommunication Research CenterSeoul National University
Mots-clésRobotHuman–computer interactionCharacter (mathematics)Computer sciencePsychologyExpression (computer science)Artificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

Robots for communication are developed extensively with an emphasis on sympathy. This study deals with the growth of character and the control of its operation. The child has time to be alone with the nature of his/her robot friend. That child can interact with other people’s emotional expressions through a robot. Step by step, the robot character will grow as the child grows. Through design studies, qualitative processes such as customer experience audit, eye tracking, mental model diagrams, and semantic differences have been executed for the results. The participatory behavior research approach through user travel is mapped from the user’s lead to the evidence-based design. This research considers how synthetic characteristics can be applied to the physical growth of robot toys through the product design process. With the development of robot toy “Buddy”, two variations on the robot were made to achieve recognizable growth. (1) one-dimensional height scaling and (2) facial expression including the distance between two eyes on the screen. Observations represented children’s reactions when "Buddy" was released with the children. As an independent synthetic character, the robot was recognized by children who had the designed function. Robots for training may require more experimentation.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,552
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,060
Tête enseignante GPT0,338
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetSocial Robot Interaction and HRITravaux en français237 207