In general, every input channel in

In general, every input channel in a multimodal system produces
its own continuous stream of (often noisy) sensor data; all of this
data must be combined in a manner which allows a decision-making
system to select appropriate system behaviour. The initial robot bartender
makes use of a rule-based social state recogniser [10], which
infers the users’ social states using guidelines derived from the study
of human-human interactions in the bartender domain [7]. The rulebased
recogniser has performed well in a user evaluation of the initial,
simple scenario [3]. However, as the robot bartender is enhanced
to support increasingly complex scenarios, the range of multimodal
input sensors will increase, as will the number of social states to
recognise, making the rule-based solution less practical. Statistical
approaches to state recognition have also been shown to be more
robust to noisy input [14]. In addition, the rule-based version only
considers the top hypothesis from the sensors and does not consider
their confidence scores: incorporating other hypotheses and confidence
may also improve the performance of the classifier in more
complex scenarios, but again this type of decision-making is dicult
to incorporate into a rule-based framework.

ผลลัพธ์ (ไทย) 1:

ทั่วไป คมชัดทุกช่องสัญญาณในระบบทุกกระแสเซ็นเซอร์ (เสียงดังมัก) ข้อมูล ตัวเองอย่างต่อเนื่อง ทั้งหมดนี้ต้องรวมข้อมูลในลักษณะที่ช่วยให้การตัดสินใจระบบการเลือกพฤติกรรมของระบบที่เหมาะสม บาร์เทนเดอร์หุ่นยนต์เบื้องต้นทำให้ใช้ recogniser ตามกฎสถานะทางสังคม [10], ซึ่งinfers อเมริกาสังคมผู้ใช้แนวทางที่ได้รับจากการศึกษาโต้ตอบบุคคลบุคคลในโดเมนบาร์เทนเดอร์ [7] Rulebasedrecogniser ได้ดำเนินการในการประเมินผู้ใช้เริ่มต้นเรื่องสถานการณ์ [3] อย่างไรก็ตาม เป็นหุ่นยนต์ บาร์เทนเดอร์เพิ่มเพื่อรองรับสถานการณ์ที่ซับซ้อนมากขึ้น ช่วงของเนื่องเซนเซอร์สำหรับการป้อนค่าจะเพิ่มขึ้น เป็นความหมายของอเมริกาสังคมเพื่อรู้ ทำให้การแก้ปัญหาตามกฎน้อยจริง ทางสถิติวิธีการรับรู้สถานะมีการแสดงให้มากขึ้นแข็งแกร่งเพื่อป้อนคะ [14] นอกจากนี้ ตามกฎรุ่นเท่านั้นพิจารณาสมมติฐานด้านบนจากเซนเซอร์ และพิจารณาคะแนนความเชื่อมั่นของพวกเขา: สมมุติฐานและความเชื่อมั่นอื่น ๆนอกจากนี้ยังอาจเพิ่มประสิทธิภาพของ classifier ขึ้นสถานการณ์ที่ซับซ้อน แต่ตัดสินใจชนิดนี้เป็นลัทธิดิเพื่อรวมเป็นกรอบงานตามกฎ

ผลลัพธ์ (ไทย) 2:

โดยทั่วไปทุกช่องป้อนข้อมูลในระบบต่อเนื่องผลิต
กระแสอย่างต่อเนื่องของตัวเอง (มักจะมีเสียงดัง) ข้อมูลเซ็นเซอร์; ทั้งหมดนี้
ข้อมูลที่ต้องนำมารวมกันในลักษณะซึ่งจะช่วยให้การตัดสินใจ
ในการเลือกระบบพฤติกรรมของระบบที่เหมาะสม บาร์เทนเดหุ่นยนต์เริ่มต้น
ทำให้การใช้ตามกฎจดจำรัฐสังคม [10] ซึ่ง
อ้างถึงผู้ใช้รัฐทางสังคมโดยใช้แนวทางที่ได้มาจากการศึกษา
ของการมีปฏิสัมพันธ์ของมนุษย์มนุษย์ในโดเมนบาร์เทนเด [7] rulebased
จดจำได้ดำเนินการเป็นอย่างดีในการประเมินผลของผู้ใช้เริ่มต้น
สถานการณ์ง่าย [3] แต่เป็นบาร์เทนเดหุ่นยนต์จะเพิ่มขึ้น
เพื่อสนับสนุนการสถานการณ์ที่ซับซ้อนมากขึ้นช่วงของการต่อเนื่อง
เซ็นเซอร์การป้อนข้อมูลจะเพิ่มขึ้นเป็นจะจำนวนของรัฐทางสังคมในการ
รับรู้ทำให้การแก้ปัญหาตามกฎปฏิบัติน้อย สถิติ
วิธีการรับรู้ของรัฐยังได้รับการแสดงที่จะมี
ประสิทธิภาพเพื่อการป้อนข้อมูลที่มีเสียงดัง [14] นอกจากนี้ยังมีรุ่นตามกฎเท่านั้น
พิจารณาสมมติฐานด้านบนจากเซ็นเซอร์และไม่พิจารณา
คะแนนความเชื่อมั่นของพวกเขาผสมผสานสมมติฐานอื่น ๆ และความเชื่อมั่น
อาจจะปรับปรุงประสิทธิภาพของลักษณนามใน
สถานการณ์ที่ซับซ้อน แต่อีกประเภทของการตัดสินใจครั้งนี้ เป็นดิ? ศาสนา
จะรวมเข้าไปในกรอบตามกฎ

ผลลัพธ์ (ไทย) 3:

โดยทั่วไปทุกช่องป้อนข้อมูลในระบบหลายระบบ ผลิต
ของตัวเองอย่างต่อเนื่อง กระแส ( มักจะเสียงดัง ) เซ็นเซอร์ ; ทั้งหมดของข้อมูลนี้
ต้องรวมกันในลักษณะที่ช่วยให้ระบบการตัดสินใจเลือกระบบ
พฤติกรรมที่เหมาะสม เริ่มต้นที่หุ่นยนต์บาร์เทนเดอร์
ทำให้ใช้กฎสภาวะทางสังคม recogniser [ 10 ] ซึ่ง
อนุมานผู้ใช้สังคมของรัฐ โดยใช้แนวทางที่ได้จากการศึกษา
ของปฏิสัมพันธ์ระหว่างมนุษย์มนุษย์ในโดเมนบาร์เทนเดอร์ [ 7 ] การ rulebased
recogniser ได้ปฏิบัติดีในผู้ใช้การประเมินเบื้องต้นสถานการณ์ง่ายๆ
[ 3 ] แต่เป็นหุ่นยนต์บาร์เทนเดอร์เพิ่ม
สนับสนุนมากขึ้นสถานการณ์ซับซ้อน ช่วงของเซ็นเซอร์ใส่รูป
จะเพิ่มขึ้นจะเป็นหมายเลขของรัฐสังคม

จำทำให้กฎแก้ปัญหาในทางปฏิบัติน้อย วิธีการทางสถิติ
เพื่อรัฐรับรู้ นอกจากนี้ยังมีการแสดงให้มากขึ้น
คึกคักเสียงดังใส่ [ 14 ] นอกจากนี้ กฎรุ่นเท่านั้น
พิจารณาสมมติฐานด้านบนจากเซ็นเซอร์และไม่พิจารณาคะแนนความมั่นใจ :
ผสมผสานสมมติฐานอื่น ๆ และความมั่นใจ
สามารถปรับปรุงประสิทธิภาพของตัวมากกว่า
ซับซ้อนสถานการณ์อีกครั้ง แต่การตัดสินใจของชนิดนี้คือ ดิ  ลัทธิ
รวมลงในกรอบกฎ .