探索协作运动即兴创作以设计LuminAI——一个共创造的AI舞蹈伙伴

文献标题

Exploring Collaborative Movement Improvisation Towards the Design of LuminAI — a Co-Creative AI Dance Partner

文献信息

• 主题领域: 人机交互 (HCI)、舞蹈即兴创作、协同创造性人工智能
• 关键词: 共创性、协同创造代理、舞蹈即兴创作、动作即兴创作、人工智能代理、计算创意

研究背景与问题

• 发现的问题或挑战:
  1. 人机交互系统通常缺乏协同创造性，无法与人类实现实时创作。
  2. 现有研究多聚焦于计算生成艺术或与人类共创音乐与绘画，但少有涉足实体域（如舞蹈）的协同创作。
  3. 如何设计能够有效参与实时身体协作的AI尚未得到明确探索。
• 研究重要性:
  • 舞蹈即兴创作是一种个体通过动作、配合和创造性建立联系的复杂形式，这对艺术表达、文化传承、互动研究和技术设计具有重要意义。
  • 设计能够参与身体即兴合作的AI代理，有助于深入理解人与机器如何在复杂的实体环境中互动。
• 研究动机与相关工作:
  • 本研究受此前开发的LuminAI原型（基于即兴理论生成舞蹈动作的AI系统）启发，旨在通过与专业舞者的协作研究，为该技术的改进和优化探索新可能。
  • 与参与性认知理论（例如"参与性意义建构"）对即兴动作的洞察相结合，框定了本研究的动力与理论背景。

解决方案

• 提出的方法:
  • 通过焦点小组研究24名舞蹈专业学生的即兴运动体验，使用主题分析方法归纳舞者在协同动作即兴中的关键模式和行为。
  • 综合研究内容提出“即兴舞蹈输入的相互关联模型”，进一步为AI舞伴LuminAI制定设计建议。
• 创新之处:
  • 提出了以舞者为中心的人机交互设计框架，系统性分析了舞者在动作即兴中的决策影响因素、生成策略以及协作中的指导性原则。
  • 将动作、创意和社交即兴模型引入AI系统设计，构建具有高度参与性和动态响应能力的协作AI代理。
• 关键技术与步骤:
  1. 数据采集：通过焦点小组讨论和舞蹈即兴任务，了解舞者在互动中的动作选择。
  2. 主题分析：借助参与者的反馈，归纳并概念化了三个主要组成部分：
     • 瞬时影响（来自自我、伙伴、环境的影响）。
     • 生成策略（如模仿、重复、转换、增强等）。
     • 合作性启发式原则（如对伙伴的觉察、对连接的重视）。
  3. 系统设计建议：将研究主题与LuminAI功能设计相结合，提供改进方向。

研究成果

• 具体成果:
  1. 模型：
     • 提出“即兴舞蹈输入的相互关联模型”，包括“瞬时影响、自我生成策略和协作原则”三个维度。
  2. 行为洞察：
     • 身体感知与情绪在即兴创作的重要性。
     • 伙伴和环境互动对创作行为的引导作用。
     • 舞者在即兴创作中常用的生成策略（如模仿、镜像、增强等）。
  3. 设计建议：
     • 推出一套以LuminAI为中心的10项关键设计建议（如感知人体情绪、利用多感官输入、动态竞争策略等）。
• 优势:
  • 模型将为LuminAI的协作能力提升提供理论支撑。
  • 与现有仅生成动作的系统相比，该模型更好地支持了人类-机器之间动态的、意义生成式互动。
• 实验评估:
  • 提供焦点小组调查和舞蹈即兴游戏的数据，通过半结构化问卷和镜像实验等方法建构理论。
• 局限性与未来方向:
  1. 局限性：
     • 样本局限在一所大学的24名舞蹈学生，未涵盖更多样式的舞蹈风格和文化背景。
     • 尚未开展基于设计建议的LuminAI实际功能测试。
  2. 未来方向：
     • 扩大参与者范围，涵盖不同文化背景和专业层次。
     • 进一步探索非规范身体（如辅助设备使用者）与AI的协作。
     • 完善LuminAI的实时响应能力和感知复杂性，验证模型在真实交互中的适用性。

输出格式

• 根据文献内容分析，结果主要以焦点主题和设计启示为主，将理论模型和人为主导的技术设计整合在一起。