MétaCan
Menu
Retour à la cohorte
Enregistrement W425595999 · doi:10.11575/prism/31006

Emotion-mapped Robotic Facial Expressions based on Philosophical Theories of Vagueness

2006· article· en· W425595999 sur OpenAlexaff
Phil Serchuk, Ehud Sharlin, Martin Lukáč, Marek Perkowski

Notice bibliographique

RevuePRISM (University of Calgary) · 2006
Typearticle
Langueen
DomainePsychology
ThématiqueSocial Robot Interaction and HRI
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésFacial expressionVaguenessHumanoid robotRobotArtificial intelligenceFace (sociological concept)Computer scienceExpression (computer science)Field (mathematics)Task (project management)PsychologySocial robotMathematicsRobot controlMobile robotEngineeringPhilosophyFuzzy logic

Résumé

récupéré en direct d'OpenAlex

As the field of robotics matures robots will need some method of displaying and modeling emotions. One way of doing this is to use a human-like face on which the robot can make facial expressions corresponding to its emotional state. Yet the connection between a robot s emotional state and its physical facial expression is not an obvious one: while a smile can gradually increase or decrease in size, there is no principled method of using boolean logic to map changes in facial expressions to changes in emotional states. We give a philosophical analysis of the problem and show that it is rooted in the vagueness of robot emotions. We then outline several methods that have been used in the philosophical literature to model vagueness and propose an experiment that uses our humanoid robot head to determine which philosophical theory is best suited to the task.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,810
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0030,000

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 Opus0,018
Tête enseignante GPT0,263
Écart entre enseignants0,245 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePRISM (University of Calgary)Même sujetSocial Robot Interaction and HRITravaux en français237 207