从人际交互数据中自主学习一对多社交交互逻辑

我们设想未来服务机器人可以直接从人类交互数据中自主学习如何与人交互，无需人工干预。本论文提出一个数据驱动的管道：（1）输入人类店员与多位顾客互动的低层数据（28小时收集数据）；（2）从中自主提取高层动作；（3）无需人工干预，学习机器人店员如何在线响应顾客行为。我们提出的交互逻辑学习系统使用神经网络首先学习哪些顾客动作是重要的，然后学习店员应如何响应这些重要的顾客动作。我们提出了一种新技术来学习哪些顾客动作是重要的，即首先学习顾客和店员动作之间的隐藏因果关系。在离线评估中，我们表明所提技术在顾客动作重要性识别和响应策略上均显著优于先进基线方法。