面向虚拟现实人机交互的多模态社交感知框架

一个整合语音、视觉与触觉的多模态框架在虚拟现实中对18名参与者、5个社交互动场景生成机器人语音与动作，并与人工遥操作基线对比。参与者对自主系统的自然度与社交适宜度评分均高于中性中点，但遥操作基线在这两项上显著更高。行为编码与定性反馈显示，对话时机、澄清模糊请求和空间协调是差距的主要来源。