本研究解决了现有的人机交互系统在面对新对象时的局限性，尤其是在老年群体中遇到的记忆和交互困难。论文提出了NVP-HRI，这是一种直观的多模态人机交互范式，结合了语音命令和指示性姿态，并利用Segment Anything Model进行精确对象表示，从而实现零样本预测。研究表明，该方法在多种实际任务中的效率提高达59.2%。

本文研究了使用大型语言模型作为HRI的0模型的潜力，并在三个社交数据集上进行了实验。结果显示LLMs能够实现与定制模型相当的性能，同时还讨论了当前的限制。展示了LLM人类模型如何集成到社交机器人的规划过程中并应用于HRI场景。结果表明LLMs为HRI的人类建模提供了一种有前途但不完整的方法。

该文介绍了一种名为HuMoR的3D人体运动模型，可以鲁棒地估计时间姿态和形状。该模型是一个表达能力强的条件变分自编码器生成模型，可以从模糊的观察中推断出合理的姿态和形状。经过广泛的评估，证明该模型可以推广到多样化的动作和身体形状，并且可以从多种输入模态重建运动。

本文探讨了使用大型语言模型作为HRI的0模型的潜力，并在三个社交数据集上进行了实验，结果显示LLMs能够实现与定制模型相当的性能，同时还讨论了当前的限制。作者展示了LLM人类模型如何集成到社交机器人的规划过程中并应用于HRI场景，结果表明LLMs为HRI的人类建模提供了一种有前途但不完整的方法。

本文探讨了使用大型语言模型作为HRI的0模型的潜力，并在三个社交数据集上进行了实验，结果显示LLMs能够实现与定制模型相当的性能。作者还讨论了当前的限制，并展示了LLM人类模型如何集成到社交机器人的规划过程中并应用于HRI场景。

研究发现，人工智能和人类在小组决策方面具有互补技能。通过评估团队成员和AI代理人的专业知识，评估风险并达成共识，提出了人工智能-人类团队决策的模型。研究验证了前景理论、影响动态和贝叶斯学习在不确定情况下的人工智能团队和人类行为预测中的价值。