선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 감정 인식은 주로 얼굴 표정을 통해 이루어지지만 자세에서도 영향을 받는다. 감정 표현 모달 실험은 단일 감정 인식과정에서 얼굴과 자세 그리고 얼굴+자세 모달이 감정 인식에 미치는 영향을 파악하는 것을 목적으로 했다. 실험 결과, 자세와 얼굴 모달이 일치하지 않아 여러 감정이 섞여 나타나는 경우 자세가 감정의 활성화 정도를 평가하는데 유용하였다.
- 얼굴 표정이 정확하게 인지되지 않은 때 감정을 전달하는 신체언어가 특히 더 중요한 역할을 하게 되므로 가상 인간의 감정 다중모달은 당연히 고려되어 할 내용이다. 따라서 본 연구에서는 가상 인간이 감정을 여러 모달을 통합하여 전달하는 데 효과적인 표현 방법을 분석하고 가상 인간이 나타내는 감정 표현을 피실험자가 어떻게 인식하는지를 평가한 내용을 다룬다. 이를 위해 가상 인간을 설정한 후 (그림 2)와 같은 구조로 얼굴, 자세, 얼굴+자세 감정 모달에 대해 기본 감정 인식 정도, 감정 활성화 정도와 감정 정서가를 대상으로 가상 인간의 감정 표현에 필요한 감정 모달 개별로, 다중 모달이 일치했을 때, 다중 모달이 불일치할 때의 경우를 실험하여 평가한다.
- 가상 인간의 감정 표현에 대한 이러한 필요성을 바탕으로 본 연구는 가상 인간이 감정을 표현하는 얼굴과 신체 자세를 모달로 이용하여 다양한 감정을 표현하는 방법을 분석한다. 또한 일상생활에서 빈번하게 나타내는 중첩된 감정의 인식 과정에서 서로 일치하는 않는 얼굴과 자세표정이 감정 인식에 미치는 영향을 다룬다. 특히 가상인간의 감정 크기를 인식하는데 영향을 끼치는 자세 모달리티를 새롭게 분석한다.
- 본 연구는 가상 인간의 자세와 얼굴의 모달 조합을 통해 감정을 표현하는 감정 모달 간의 상관성을 분석하고 얼굴과 자세 모달을 통해 다양한 감정이 제시될 때 모달이 감정 인식에 어떤 영향을 미치는지 확인하기 위해 두가지 실험을 수행했다. 이를 위해 디지털콘텐츠의 가상 인간과 유사한 캐릭터를 설계하고 이 가상 인간이 드러내는 비언어적 감정 표현을 피실험자가 인식하여 감정카테고리 상태를 판단하도록 하였다.
- 본 연구는 사람이 가상 인간이 표현하는 감정을 인식할 때 얼굴, 자세, 얼굴+자세와 같은 비언어적 모달이 어떤 영향을 주는지 분석한다. 이를 위해 슬픔, 두려움, 분노, 놀람, 기쁨 과 같은 기본 감정을 얼굴 표정과 자세로 표현한 결과를 피실험자가 인식하고 감정 표현의 능동/수동적 측면을 고려한 활성화 정도, 긍정적 감정인지 부정적 감정인지를 판단하는 정서가 정도를 인식하는 실험을 수행한다.
제안 방법
- 42명의 20대 남녀 학생들을 첫 번째 실험에 피실험자로 참여시켜 무작위로 두 그룹으로 나눈 후 각 집단에게 애니메이션의 절반씩을 보게 했다. 첫 번째 가상 인간 애니메이션은 학습 데이터로 설정하여 피실험자들은 가상 인간의 감정을 평가하기 전에 미리 가상 인간의 상태에 익숙해지도록 했다.
- 가상 인간의 감정 표현에 대한 이러한 필요성을 바탕으로 본 연구는 가상 인간이 감정을 표현하는 얼굴과 신체 자세를 모달로 이용하여 다양한 감정을 표현하는 방법을 분석한다. 또한 일상생활에서 빈번하게 나타내는 중첩된 감정의 인식 과정에서 서로 일치하는 않는 얼굴과 자세표정이 감정 인식에 미치는 영향을 다룬다.
- 가상 인간의 개별 모달로 표현된 기본 감정 인식을 수행하기 위해 기존 연구에서 구축한, 감정을 드러낼 때의 얼굴 표정 구별 단서와 감정별 자세 데이터 특징[9]을 기반으로 비언어적 감정 표현을 위한 가상 인간을 디자인하였으며 분노, 두려움, 기쁨, 놀람, 슬픔의 기본 감정을 얼굴과 자세를 통해 드러내도록 했다. 감정 모달을 분리하기 위해 감정별로 얼굴 표정과 자세를 분리했다.
- 첫 번째 가상 인간 애니메이션은 학습 데이터로 설정하여 피실험자들은 가상 인간의 감정을 평가하기 전에 미리 가상 인간의 상태에 익숙해지도록 했다. 그 다음 피실험자가 테스트 애니메이션을 본 다음에는 5점 척도의 리커트 스케일(likert scale)로 각 감정을 얼마나 정확히 인식했는지를 표시하도록 했다. 피실험자는 가상인간의 기본 감정 카테고리를 선택하고 해당 감정의 활성화 및 정서가 정도를 평가했다.
- 가상인간의 감정 표현 시 얼굴 모달만을 이용해도 감정 카테고리 인식이 가능하지만 신체 자세와 얼굴 표정이 일치하는 감정을 표현하면 기본 감정 인식이 더 정확 하게 이뤄짐을 알 수 있고, 얼굴과 자세 모달이 동일한 감정을 드러내면 활성화와 정서가 차원이 확대되어 연속적 감정 인식이 가능함을 확인하였다. 두 번째 실험에서는 감정 표현이 일치하거나 불일치하는 모달들이 감정 인식에 미치는 영향을 파악했다. 감정 인식은 주로 얼굴 표정을 통해 이루어지지만 자세에서도 영향을 받는다.
- 두 번째 실험은 (그림 4)와 같이 가상 인간의 얼굴과 자세가 일치하여 기본 감정을 드러낼 때와 (그림 5)처럼 얼굴과 자세 모달이 불일치하여 자세는 분노를 나타내지만 얼굴은 화난 감정을 표현할 때 가상 인간의 감정이 어떻게 인식되는지에 관한 것으로 가상 인간의 감정 모달의 불일치가 감정 인식에 끼치는 영향을 분석한다. 일상적으로 사람들은 단일 감정을 여러 감정 모달을 통해 동시에 드러내기도 하지만 여러 감정을 여러 모달을 통해 같이 드러내기도 한다.
- 두번째 실험에서는 기본 표정을 표현하는 다중 모달이 서로 일치할 때와 다중 모달이 각기 다른 감정을 표현할 때 피실험자의 기본 감정 인식과 기본 감정의 활성화와 정서가 정도에 미치는 영향을 다룬다.
- 모달이 불일치하는 애니메이션의 감정 카테고리에 대한 활성화와 정서가 정도를 비교하기 위해 슬픔 얼굴표정과 분노 자세를 조합한 애니메이션, 기쁨 얼굴 표정과 분노 자세를 조합한 애니메이션, 분노 얼굴 표정과 슬픔 자세를 조합한애니메이션, 분노 얼굴 표정과 기쁨 자세를 조합한 애니메이션을 설정하여 평가하였다. 분노 얼굴 표정을 기쁨 자세와 조합한 애니메이션만이 예외를 보였는데 분노와 기쁨이 완전히 다른 정서가 차원임에도 활성화 차원은 같은 감정이기 때문에 감정 인식률이 높은 것으로 판단된다.
- 얼굴과 자세 모달 별로 감정 표현을 인식하는 실험은 무표정에서 시작해 감정을 표현하고 다시 무표정으로 되돌아가는 3초간의 동영상 애니메이션을 15개 제작하여 이를 피실험자가 평가하는 과정으로 이루어진다. 5개 애니메이션은 (그림 3.
- 얼굴과 자세 모달 별로 감정 표현을 인식하는 실험은 무표정에서 시작해 감정을 표현하고 다시 무표정으로 되돌아가는 3초간의 동영상 애니메이션을 15개 제작하여 이를 피실험자가 평가하는 과정으로 이루어진다. 5개 애니메이션은 (그림 3.
- 디지털 콘텐츠에서 보여지는 가상 인간의 감정 표현 모달은 얼굴과 자세가 대표적이며 가상 인간이 표현하는 대표적 감정 카테고리는 에크만이 제시한 기본 감정을 대상으로 한다. 여기에 러셀의 감정 원형모델을 도입하여 얼굴과 자세 모달을 통해 표현하는 기본 감정 카테고리의 세기 정도를 감정 활성화(능동/수동 상태)와 감정 정서가(쾌/불쾌)를 통해 포착하여 일상 생활에서 중첩하여 자주 나타나는 감정 상태를 쉽게 표현하고 이해하도록 한다. 동일한 감정 카테고리일지라도 얼굴과 자세 모달을 통해 강하게 표현된 정도와 약하게 표현된 정도에 따라 인식자가 감정을 달리 인식할 수 있기 때문이다.
- 따라서 본 연구에서는 가상 인간이 감정을 여러 모달을 통합하여 전달하는 데 효과적인 표현 방법을 분석하고 가상 인간이 나타내는 감정 표현을 피실험자가 어떻게 인식하는지를 평가한 내용을 다룬다. 이를 위해 가상 인간을 설정한 후 (그림 2)와 같은 구조로 얼굴, 자세, 얼굴+자세 감정 모달에 대해 기본 감정 인식 정도, 감정 활성화 정도와 감정 정서가를 대상으로 가상 인간의 감정 표현에 필요한 감정 모달 개별로, 다중 모달이 일치했을 때, 다중 모달이 불일치할 때의 경우를 실험하여 평가한다.
- 본 연구는 가상 인간의 자세와 얼굴의 모달 조합을 통해 감정을 표현하는 감정 모달 간의 상관성을 분석하고 얼굴과 자세 모달을 통해 다양한 감정이 제시될 때 모달이 감정 인식에 어떤 영향을 미치는지 확인하기 위해 두가지 실험을 수행했다. 이를 위해 디지털콘텐츠의 가상 인간과 유사한 캐릭터를 설계하고 이 가상 인간이 드러내는 비언어적 감정 표현을 피실험자가 인식하여 감정카테고리 상태를 판단하도록 하였다.
- 본 연구는 사람이 가상 인간이 표현하는 감정을 인식할 때 얼굴, 자세, 얼굴+자세와 같은 비언어적 모달이 어떤 영향을 주는지 분석한다. 이를 위해 슬픔, 두려움, 분노, 놀람, 기쁨 과 같은 기본 감정을 얼굴 표정과 자세로 표현한 결과를 피실험자가 인식하고 감정 표현의 능동/수동적 측면을 고려한 활성화 정도, 긍정적 감정인지 부정적 감정인지를 판단하는 정서가 정도를 인식하는 실험을 수행한다. 실험은 두 단계로 나누어 수행한다.
- 실험은 두 단계로 나누어 수행한다. 첫 번째 실험에서는 피실험자가 가상 인간의 얼굴과 자세, 얼굴+자세 각 모달 별로 드러난 기본 감정을 인식하고 기본 감정의 정도를 활성화와 정서가로 평가하여 각 모달의 영향을 제시한다. 디지털 콘텐츠에서 가상 인간이 드러내는 다양한 감정은 독립적 사건으로 특정 순간 바로 나타날 수도 있지만 대개는 가상 인간이 처한 상황에 따라 연속적으로 감정이 드러나기 때문에 에크만이 분류한 기본 감정 외 러셀이 정의한 2차원 감정 원형 모델에 나타난 연속적인 감정의 흐름인 활성화와 정서가 차원을 가상 인간의 감정 표현에 반영할 필요가 있기 때문이다.
- 또한 일상생활에서 빈번하게 나타내는 중첩된 감정의 인식 과정에서 서로 일치하는 않는 얼굴과 자세표정이 감정 인식에 미치는 영향을 다룬다. 특히 가상인간의 감정 크기를 인식하는데 영향을 끼치는 자세 모달리티를 새롭게 분석한다.
- b)에서 얼굴과 자세 모달을 별도로 구분하고 다른 모달 영역을 지우면 감정 평가에 영향을 미치는 다른 모달의 영향을 줄일 수 있다. 피실험자는 가상 인간의 모달 별 애니메이션을 보고 모달 별 기본감정 카테고리와 감정의 활성화, 정서가 정도를 평가한다. 실험은 무표정에서 시작해 감정을 표현하고 다시 무표정으로 되돌아가는 3초간의 동영상 애니메이션을 15개 제작하여 이를 피실험자가 평가하는 과정으로 이루어진다.
- 그 다음 피실험자가 테스트 애니메이션을 본 다음에는 5점 척도의 리커트 스케일(likert scale)로 각 감정을 얼마나 정확히 인식했는지를 표시하도록 했다. 피실험자는 가상인간의 기본 감정 카테고리를 선택하고 해당 감정의 활성화 및 정서가 정도를 평가했다.
데이터처리
- 첫 번째 실험의 결과는 <표 1>과 같다. 각 모달리티의 의도된 감정인식 수준을 측정하고 모달 간의 감정표현 차이가 동일 모달 내 감정 표현 변동량에 비해 크다는 것을 테스트하기 위해 분산분석(ANOVA)기법으로 반복하여 측정하였다. 실험 결과 분노 감정은 얼굴, 자세, 얼굴+자세 3가지 형태의 모달 모두에서 잘 인식되었다.
성능/효과
- 가상인간의 감정 표현 시 얼굴 모달만을 이용해도 감정 카테고리 인식이 가능하지만 신체 자세와 얼굴 표정이 일치하는 감정을 표현하면 기본 감정 인식이 더 정확 하게 이뤄짐을 알 수 있고, 얼굴과 자세 모달이 동일한 감정을 드러내면 활성화와 정서가 차원이 확대되어 연속적 감정 인식이 가능함을 확인하였다. 두 번째 실험에서는 감정 표현이 일치하거나 불일치하는 모달들이 감정 인식에 미치는 영향을 파악했다.
- 두려움을 드러낸 자세 모달과 얼굴+자세 모달은 놀람으로 다수 오인식되었다. 결과적으로 분노, 기쁨, 슬픔 감정 애니메이션은 얼굴, 자세, 얼굴+자세 세 가지 모달에서 잘 인식되었으나 놀람과 두려움 감정은 다른 감정으로 오인식되는 경우가 많았다.
- 실험 결과는 한 가지 기본 감정만을 표현한 가상 인간의 감정이 의도된 감정 외 다른 감정으로도 다수 인식됨을 보여준다. 기쁨, 분노, 슬픔이 놀람과 두려움보다 잘 인식되며 놀람은 세가지 모달에서 모두 두려움으로 오인식되었다. 이는 기존 연구[22, 23]에서 사람의 행동과 자세를 통해 인식한 감정 카테고리 중 슬픔보다는 놀람이 잘 인식되며 기쁨 감정이 분노 감정보다 잘 인식된 것과는 다소 다른 결과로 가상 인간 제작 시 감정을 특징짓는 방법을 더 명확하게 개선해야 함을 의미한다.
- 놀람 감정을 드러낸 얼굴 모달은 슬픔, 놀람, 두려움 감정으로 다수 오인식되었지만 자세 모달을 통한 놀람 감정이 가장 높은 인식율을 나타냈다. 놀람 감정을 드러낸 얼굴+자세 모달은 놀람과 두려움으로 다수 오인식되었다.
- 슬픔은 자세보다 얼굴, 얼굴+자세에서 더 높은 인식결과를 보였다. 놀람, 두려움은 얼굴 표정보다는 자세, 얼굴+자세 모달을 통해 더 높은 인식결과를 보였다. 또한 분노, 슬픔, 기쁨 감정이 감정의 능동/수동 상태를 담당하는 활성화와 긍정/부정 상태를 담당하는 정서가 인식 정도에서 가장 높은 값을 기록했다.
- 두 번째 실험의 평가 결과, (표 3)과 같이 모달이 일치하는 애니메이션에 대해 피실험자는 가상인간이 의도한 감정을 잘 인식함을 알 수 있다.
- 놀람, 두려움은 얼굴 표정보다는 자세, 얼굴+자세 모달을 통해 더 높은 인식결과를 보였다. 또한 분노, 슬픔, 기쁨 감정이 감정의 능동/수동 상태를 담당하는 활성화와 긍정/부정 상태를 담당하는 정서가 인식 정도에서 가장 높은 값을 기록했다.
- 실험 결과 분노 감정은 얼굴, 자세, 얼굴+자세 3가지 형태의 모달 모두에서 잘 인식되었다. 슬픔 감정은 얼굴과 얼굴+자세 모달에서는 잘 인식되었으나 자세 모달에서는 인식율이 낮았다. 기쁨 감정은 얼굴 모달과 얼굴+자세 모달에서 잘 인식되었지만 자세 모달만으로는 놀람으로 다수 오인식되었다.
- 자세에 드러난 감정은 같고 얼굴의 감정은 다른 애니메이션들을 비교했을 때 피실험자는 얼굴 표정에 드러난 감정을 먼저 인식한다. 슬픔의 인식은 분노 얼굴 표정에 슬픔 자세를 조합한 애니메이션보다 슬픈 얼굴 표정에 분노 자세표정을 조합한 애니메이션이 더 높은 인식률을 보인다. (표 5)의 정서가의 경우, 자세 감정 카테고리의 정서가가 부정적일 때 얼굴 표정 역시 부정 정서가라면 인식 결과는 높은 부정 정서가를 보인다.
- 각 모달리티의 의도된 감정인식 수준을 측정하고 모달 간의 감정표현 차이가 동일 모달 내 감정 표현 변동량에 비해 크다는 것을 테스트하기 위해 분산분석(ANOVA)기법으로 반복하여 측정하였다. 실험 결과 분노 감정은 얼굴, 자세, 얼굴+자세 3가지 형태의 모달 모두에서 잘 인식되었다. 슬픔 감정은 얼굴과 얼굴+자세 모달에서는 잘 인식되었으나 자세 모달에서는 인식율이 낮았다.
- 감정 표현 모달 실험은 단일 감정 인식과정에서 얼굴과 자세 그리고 얼굴+자세 모달이 감정 인식에 미치는 영향을 파악하는 것을 목적으로 했다. 실험 결과, 자세와 얼굴 모달이 일치하지 않아 여러 감정이 섞여 나타나는 경우 자세가 감정의 활성화 정도를 평가하는데 유용하였다. 이는 감정을 드러내는 자세에 불일치하는 얼굴표정의 감정을 의도적으로 제시했을 때 즉, 일상적인 생활에서 자주 나타내는 기본 감정들이 서로 다른 모달을 통해 다양하게 표현될 때 피실험자는 얼굴 표정으로 감정을 판별하면서 감정의 활성화 정도를 판단하기 위해서는 자세를 참조함을 알 수 있다.
- 실험 결과는 한 가지 기본 감정만을 표현한 가상 인간의 감정이 의도된 감정 외 다른 감정으로도 다수 인식됨을 보여준다. 기쁨, 분노, 슬픔이 놀람과 두려움보다 잘 인식되며 놀람은 세가지 모달에서 모두 두려움으로 오인식되었다.
- 실험을 통해 기본 감정 카테고리 인식에는 자세보다 얼굴 표정이 더 영향을 미친다는 것과 감정 카테고리의 활성화 차원을 판단하기 위해서는 자세 모달을 활용함을 알 수 있다. 이는 슬픔 감정에 대한 활성화와 정서가 정도는 기쁨 얼굴 표정에 슬픔 자세를 조합한 애니메이션보다 슬픔 얼굴 표정에 기쁨 자세를 조합한 애니메이션이 더 높은 인식률을 보였고 기쁨의 인식은 슬픔 얼굴 표정에 기쁨 자세를 조합한 애니메이션보다 기쁨 얼굴 표정에 슬픔 자세를 조합한 애니메이션이 더 높은 인식 결과를 통해 확인하였다.
- 실험을 통해 기본 감정 카테고리 인식에는 자세보다 얼굴 표정이 더 영향을 미친다는 것과 감정 카테고리의 활성화 차원을 판단하기 위해서는 자세 모달을 활용함을 알 수 있다. 이는 슬픔 감정에 대한 활성화와 정서가 정도는 기쁨 얼굴 표정에 슬픔 자세를 조합한 애니메이션보다 슬픔 얼굴 표정에 기쁨 자세를 조합한 애니메이션이 더 높은 인식률을 보였고 기쁨의 인식은 슬픔 얼굴 표정에 기쁨 자세를 조합한 애니메이션보다 기쁨 얼굴 표정에 슬픔 자세를 조합한 애니메이션이 더 높은 인식 결과를 통해 확인하였다. 감정 카테고리 중 기쁨과 슬픔이 특히 얼굴 표정을 통해 잘 인식되었다.
- 또한 감정 표현을 얼굴에만 드러낸 애니메이션을 평가할 때 활성화의 능동/수동 차원 인식에는 큰 차이가 없으나 자세 모달 애니메이션에서는 활성화 차원을 더 정확하게 인식하였다. 이를 통해 감정의 활성화 수준을 인식하는데는 얼굴 표정보다는 자세 모달이 효과적이며 가상 인간의 자세를 통해 활성화 효과를 극대화시킬 수 있음을 예측할 수 있다.
- 이는 자세를 심도있게 인식하지 않는다는 의미이다. 이와 달리 활성화 차원의 경우 (표 5)와 같이 얼굴과 자세가 기쁨과 슬픔감정을 달리 드러낸 애니메이션보다 얼굴과 자세 표정이 같은 활성화 차원을 보이는 분노와 기쁨 애니메이션이 더 높은 인식률을 보였다.
- 종합적으로 감정은 자세보다는 얼굴 표정을 통해 잘 인식되지만 감정의 능동성/수동성을 나타내는 활성화 정도는 자세 모달을 참조하였다. 쾌/불쾌를 설명하는 정서가 정도는 자세보다 얼굴 표정을 통해 더 잘 전달되었다.
- 첫 번째 실험 결과를 통해 감정 카테고리별로 모달의 기여도가 다름을 알 수 있다. 피실험자는 분노 감정은 모달에 관계없이 잘 인식했지만 다른 감정들에 대해서는 모달에 따라 인식에 영향을 받았다.
- 피실험자가 인식한 가상 인간의 감정이 모달에 종속되는지, 감정을 단일 모달로 드러낼 때보다 얼굴과 자세를 일치시켜 드러낼 때 더 감정을 잘 인식하는지, 얼굴과 자세 각 모달이 감정 인식에 등가의 영향을 미치는지를 분석한 결과 분노 감정의 인식은 세 가지 모달 조건에서 유사하게 높은 결과를 보였다. 기쁨 감정은 얼굴, 자세 모달보다 얼굴+자세 모달에서 더 잘 인식되었다.
후속연구
- 가상 인간을 활용한 디지털 콘텐츠 제작이 활성화됨에 따라 가상 인간의 감정 표현을 담당하는 신체 움직임과 자세 분석에 대한 관심 역시 높아지고 있다. 감정 모달의 영향을 분석한 기존 연구들은 사람의 신체자세와 얼굴 표정을 대상으로 분석 연구를 진행했으므로 가상 인간과 같은 가상 캐릭터를 대상으로 감정 표현에 영향을 미치는 모달을 분석할 필요가 있으며 본 연구는 가상 인간의 비언어적 모달 특히 자세가 감정 표현에 미치는 영향을 제시하여 생생하고 자연스러운 가상에이전트 제작에 기여한다.
- 가상인간의 감정 모달 불일치는 부자연스러운 상태의 동작으로 제시되어 디지털콘텐츠 이용의 몰입감, 집중력을 저하시키는 요소로 작용한다. 디지털콘텐츠 제작 시주로 얼굴에 집중된 감정표현 외 감정의 정도를 자연스럽게 드러내는 자세 설계의 중요성을 확인한 연구 결과를 토대로 후속 연구에서는 감정 모달 불일치를 해결하는 방안으로 일반화된 감정 표현을 위해 모달별 표현방법의 범위를 정량화시켜 데이터 코퍼스로 구축하고 이를 가상 인간 설계 시 그래픽과 동기화시키는 다중 모달 애니메이션 엔진 시스템 제작에 적용하여 아바타와 같은 가상 인간에게 감정에 따라 최적의 행동과 동작을 자동 적으로 생성하게 하는 음성, 언어시각화 기술 구현에 기여할 것이다.
- 따라서 가상 인간의 감정 평가를 위한 신뢰도를 위해 디지털 콘텐츠의 사용자 특성을 고려하여 어린이, 고령자 등 다양한 성별과 연령대의 피실험자를 통한 가상 인간의 감정과 행동 평가를 할 필요가 있으며 또한 모 달을 통해 표현하는 감정의 다양성을 모색할 필요도 있다. 성별, 연령별로 관찰차를 다양화시켜 가상 인간을 평가하는 연구는 향후 계속 진행할 계획이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.