通过跨时序情感建模实现自然且陪伴型虚拟智能体

文献标题

Toward Natural and Companionable Virtual Agents via Cross-Temporal Emotional Modeling

发布信息

• 主题领域: 虚拟陪伴代理中的长期情感与行为建模。
• 关键词: 跨时间建模、情感状态、陪伴代理、一致性、和谐性、自适应交互、行为动态、虚拟代理、用户体验、人机交互。

背景与问题

• 问题/挑战: 现有虚拟代理缺乏对长期情感和行为动态的建模能力，导致交互显得片段化且缺乏真实性。目前的系统通常将行为和情感孤立处理，无法将过去的交互整合到不断演变的情感状态中，从而影响未来的行为。
• 重要性: 解决这一局限性对于创建能够长期维持一致性和情感吸引力的代理至关重要，并在教育、医疗和社交互动领域具有广泛应用。
• 动机与相关工作: 先前的研究探索了代理中的记忆、人格建模和情感表达，但这些方法通常专注于短期参与或静态情感特征。很少有系统能够建模长期情感积累与瞬时情感表达之间的双向动态，从而在实现时间一致性和情感和谐方面留下了空白。

解决方案

• 提出的方法: 跨时间情感建模（Cross-Temporal Emotional Modeling, CTEM），一种将长期行为历史与实时情感表达相结合的框架，以实现一致性和和谐的交互。
• 创新点:
  1. 引入CTEM，一种将长期行为积累与动态情感状态相结合的计算框架。
  2. 开发了Auri，一个在即时通讯平台上实现CTEM的轻量级陪伴代理。
  3. 通过21天用户研究实证评估CTEM对感知一致性和和谐性的影响。
• 流程与关键技术:
  • CTEM将情感状态形式化为一个包含生理情感状态、动机驱动、记忆和人格的元组。
  • 行为通过结构化库存生成并整合，平衡过去经验、当前条件和未来意图。
  • 自适应交互和基于反馈的调整确保情感状态的实时调节和长期一致性。
  • 安全约束和伦理设计原则等保护措施减少过度依赖风险并确保用户福祉。

结果

• 具体发现:
  • CTEM提高了感知一致性和和谐性，参与者报告了更高的情感共鸣和一致性。
  • 情感改善评分从基线到启用CTEM阶段显著提高，尤其是在恢复情感模块的组中。
  • 使用体验评分显著改善，最大增幅出现在从基线过渡到CTEM阶段。
• 相较基线的优势:
  • CTEM在感知一致性、情感和谐性和整体用户体验方面优于未采用跨时间建模的基线系统。
  • 自适应交互（AdI）和情感状态更新（ESU）模块对一致性和和谐性的贡献高于行为生成与整合（BGI）。
• 实验/评估:
  • 一项为期21天的混合方法研究，96名年龄在18至26岁的参与者，包括一个带有消融条件的主研究和一个将CTEM与基线系统进行比较的子研究。
  • 数据通过问卷调查、访谈和计算日志收集，并使用统计模型和主题编码进行分析。
• 局限性与未来工作:
  • 研究持续时间有限且人口集中于18至26岁，限制了普适性。
  • 未来工作应包括更长期的部署、更广泛的人口样本以及额外的交互模式（如语音）。
  • 伦理问题如过度依赖和隐私风险需要进一步探讨。

总结

本文提出了跨时间情感建模（CTEM），一种将长期行为历史与动态情感状态相结合的框架，以增强虚拟陪伴代理的一致性和和谐性。CTEM在即时通讯平台上通过轻量级代理Auri实现，并在一项包含96名参与者的21天研究中进行了评估。结果显示，与基线系统相比，CTEM显著改善了感知一致性、情感和谐性和用户体验。研究还识别了关键设计张力，如稳定性与变化性、一致性与灵活性，为未来的陪伴代理系统提供了可操作的见解。尽管前景广阔，但仍需进一步研究以解决伦理问题并将研究结果扩展到更广泛的应用场景。