本研究提出了一种众包方法，收集人类身体语言数据，建立大型数据集并分析情感表达。开发了名为ARBEE的系统，结合身体与面部表情进行情感识别。研究探讨了社交机器人如何通过非语言提示增强共情能力，并利用大型语言模型生成自然对话。通过强化学习，机器人能够模仿人类动作，提升与人类的互动表现。

本文介绍了利用CNN和GAN模型生成逼真的3D虚拟人物手势、表情和语音。研究提出了多种生成模型，如“diffmotion-v2”和Persona-Gestor，能够从语音中合成个性化的3D手势，提升合成动画的自然性和流畅性。同时，研究解决了虚拟人创建中的高内存需求和慢推理速度问题，提出了DiM-Gestures模型，显著提高了手势与语音的同步精度。

本文综述身体语言与面部表情情感识别研究，涵盖众包数据收集、ARBEE系统、BEAC-Net双流网络、贝叶斯分类器融合场景信息、FaceBehaviorNet多任务框架及多任务学习等方法，在BoLD、EmotiW等数据集上准确率优于基线，并发布BBSI身体行为注释集。