无监督异常声音检测（ASD）通过学习声音特征并感知偏差，旨在识别异常声音。本文提出了一种训练技术，确保类内紧凑性并增加正常和异常样本之间的角间隔。实验结果表明，该方法在DCASE 2020 Challenge Task2数据集上相对于最先进的方法有显著提高。

无监督异常声音检测（ASD）通过学习声音特征并感知偏差，旨在识别异常声音。本文提出了一种训练技术，确保类内紧凑性并增加正常和异常样本之间的角间隔。实验结果表明，该方法在DCASE 2020 Challenge Task2数据集上相对于最先进的方法有显著提高。

研究发现，以个体人类特质为依据对机器人个性的重要性，并通过声音和语言特征描绘机器人的外向性和内向性。人们更喜欢和信任外向型机器人，对 Robo-Barista（机器咖啡师）而言尤其如此。个体对机器人的态度和倾向对 Robo-Baristas 的信任有影响，因此在设计人机交互研究时，个体态度也是重要的考虑因素。