文献

J-GLOBAL ID：202202250705462371   整理番号：22A1062662

インキャスト:適応没入ゲームによる仮想人間の非言語行動強化学習【JST・京大機械翻訳】

ImCasting: Nonverbal Behaviour Reinforcement Learning of Virtual Humans through Adaptive Immersive Game

著者 (4件)： Punzi Miriam (Universite Paris-Saclay, CNRS, LISN, France) ,  Ladeveze Nicolas (Universite Paris-Saclay, CNRS, LISN, ASARD Team, France) ,  Nguyen Huyen (Universite Paris-Saclay, CNRS, LISN, VENISE Team, France) ,  Ravenet Brian (Universite Paris-Saclay, CNRS, LISN, CPU Team, France)
資料名： ACM Proceedings  (ACM Proceedings)
号： IUI ’22 Companion  ページ： 62-65  発行年： 2022年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究は,没入環境におけるEmbodied Conversationalエージェントに非言語行動を教える代替法のユーザ経験に焦点を当てた。エージェントの学習モデルの改善において,プレーヤーがアクティブな役割を果たす,ImCastingと呼ばれる適応仮想現実ゲームを提案することにより,既存のアプローチの限界を克服した。特に,著者らは,システムを通してエージェントに非言語行動を教えるために,人間の好みを有する人間-イン-ループフレームワークに関する著者らのアプローチに基づいた。このマシン学習フレームワークの全てのタスクの周りで構築されたゲーム機構を導入し,人間が実時間でこのフレームワーク内でどのように相互作用するかを設計した。本研究では,没入環境におけるゲームインタラクションが,学習エージェントと同一空間を共有する,この対話型タスクの実行におけるユーザ経験をいかに改善できるかを調べた。特に,システムの有用性だけでなく,プレイヤーの関与に焦点を当てた。仮想エージェントに対する非言語行動の教育において,ゲーム機構を全く使用しないベースラインシステムとこのシステムの設計を比較する予備評価を行った。結果は,著者らの設計概念とゲーム物語が,参加者によって知覚された満足感性因子を増加させる,より関与していることを示唆する。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  *学習 ,  学習モデル ,  *ゲーム ,  経験 ,  好み ,  エージェント ,  バーチャルリアリティ ,  *強化学習 ,  フレームワーク【ソフトウェア開発】
準シソーラス用語： 対話型 ,  実時間 ,  プレイヤ ,  学習エージェント ,  仮想エージェント , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： キャスト ,  適応 ,  ゲーム ,  仮想 ,  人間 ,  強化学習