We describe a variety of machine-le

We describe a variety of machine-learning techniques that are being applied to social multiuser human–
robot interaction using a robot bartender in our scenario. We first present a data-driven approach to social
state recognition based on supervised learning. We then describe an approach to social skills execution—
that is, action selection for generating socially appropriate robot behavior—which is based on reinforcement
learning, using a data-driven simulation of multiple users to train execution policies for social skills. Next,
we describe how these components for social state recognition and skills execution have been integrated
into an end-to-end robot bartender system,

ผลลัพธ์ (ไทย) 2:

เราอธิบายความหลากหลายของเทคนิคเครื่องการเรียนรู้ที่จะถูกนำไปใช้กับสังคมผู้ใช้หลายคน human-
ปฏิสัมพันธ์หุ่นยนต์โดยใช้บาร์เทนเดหุ่นยนต์ในสถานการณ์ของเรา ครั้งแรกที่เรานำเสนอวิธีการที่ขับเคลื่อนด้วยข้อมูลเพื่อสังคม
ได้รับการยอมรับรัฐอยู่บนพื้นฐานของการเรียนรู้ภายใต้การดูแล จากนั้นเราจะอธิบายแนวทางการทักษะทางสังคม execution-
ที่เป็นตัวเลือกการดำเนินการในการสร้างหุ่นยนต์ที่เหมาะสมเพื่อเข้าสังคมพฤติกรรมซึ่งจะขึ้นอยู่กับการเสริมแรง
การเรียนรู้โดยใช้การจำลองที่ขับเคลื่อนด้วยข้อมูลของผู้ใช้หลายคนในการฝึกอบรมการดำเนินนโยบายสำหรับทักษะทางสังคม ต่อไป
เราจะอธิบายว่าองค์ประกอบเหล่านี้สำหรับการรับรู้สถานะทางสังคมและการดำเนินการทักษะได้ถูกรวม
เข้าไปในแบบ end-to-end หุ่นยนต์ระบบบาร์เทนเด,

ผลลัพธ์ (ไทย) 3:

เราอธิบายความหลากหลายของเครื่องเรียนรู้เทคนิคที่ถูกใช้กับผู้ใช้และสังคมมนุษย์
หุ่นยนต์ปฏิสัมพันธ์โดยใช้หุ่นยนต์บาร์เทนเดอร์ในสถานการณ์ของเรา แรกที่เรานำเสนอวิธีการรับรู้สถานะทางสังคม -
ตามการเรียนการ . จากนั้นเราจะอธิบายวิธีการทักษะทางสังคมการประหาร -
นั่นคือการเลือกการกระทำที่เหมาะสมสำหรับการสร้างสังคมที่อยู่บนพื้นฐานของหุ่นยนต์พฤติกรรมการเรียนรู้
เสริมโดยใช้การจำลอง - ผู้ใช้หลายนโยบายการฝึกทักษะทางสังคม ต่อไป
เราอธิบายวิธีการส่วนประกอบเหล่านี้สำหรับสถานะทางสังคมและทักษะการรับรู้ได้รวม
เป็นหุ่นยนต์บาร์เทนเดอร์ ) ระบบ