MétaCan
Menu
Retour à la cohorte
Enregistrement W4392645761 · doi:10.1145/3610978.3638150

Symbiotic Society with Avatars (SSA): Toward Empowering Social Interactions Beyond Space and Time

2024· article· en· W4392645761 sur OpenAlexaff
Stela H. Seo, Daniel J. Rea, Kanae Kochigami, Takayuki Kanda, James E. Young, Yukiko Nakano, Alberto Sanfeliu, Hiroshi Ishiguro

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueSocial Robot Interaction and HRI
Établissements canadiensUniversity of ManitobaUniversity of New Brunswick
Organismes subventionnairesMoonshot Research and Development ProgramJapan Science and Technology Agency
Mots-clésAvatarRobotHuman–computer interactionComputer scienceKey (lock)Social robotArtificial intelligenceComputer securityMobile robotRobot control

Résumé

récupéré en direct d'OpenAlex

Avatar robots, representations of remote people, help them extend their physical, cognitive, and perceptual capabilities. These avatars can be a range of embodiments from virtual agents to physical robots. With avatar robots, a person (operator) can coexist in multiple locations (beyond space) by controlling multiple avatars simultaneously and move from one place to another without delays (beyond time) by connecting to another avatar in a different location. In the near future, avatar technology would change people's lives dramatically. However, we face various challenges to reach this future, including uncharted knowledge of social interactions between people and avatar robots, missing standardization on developing robots (robot specs and controls), the lack of related laws and ethical rules, and technical difficulties. With this developing area of human-robot interaction, new key challenges and problems, approaches, and data are rapidly emerging. This workshop would act as a key meeting point to focus this effort and discuss avatar robots and related research and form new collaborations to forge ahead toward symbiotic society with avatars.

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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,685
Score d'incertitude au seuil0,999

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)0,0120,002

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 Opus0,025
Tête enseignante GPT0,358
Écart entre enseignants0,334 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSocial Robot Interaction and HRITravaux en français237 207