यह शोधपत्र रोबोट के चेहरे के भाव निर्माण की यथार्थवादिता और स्वाभाविकता को बेहतर बनाने के लिए एक नवीन शिक्षण-रैंकिंग रूपरेखा का प्रस्ताव करता है। मौजूदा मैनुअल समायोजन विधियों में अभिव्यक्ति की नाजुकता और यथार्थवाद के संदर्भ में सीमाएँ हैं, और इस अध्ययन का उद्देश्य मानव वरीयता डेटा का उपयोग करके इन सीमाओं को दूर करना है। विशेष रूप से, हम मानव वरीयता डेटा एकत्र करने के लिए जोड़ीदार तुलना एनोटेशन का उपयोग करते हैं, और चेहरे के भाव मूल्यांकन को बेहतर बनाने के लिए सियामी रैंकनेट पर आधारित HAPI (ह्यूमन अफेक्टिव पेयरवाइज इंप्रेशन) मॉडल विकसित करते हैं। बायेसियन ऑप्टिमाइज़ेशन और 35-DOF एंड्रॉइड प्लेटफ़ॉर्म पर एक ऑनलाइन चेहरे के भाव सर्वेक्षण का उपयोग करके प्रयोगात्मक परिणाम दिखाते हैं कि प्रस्तावित विधि मौजूदा विधियों की तुलना में क्रोध, खुशी और आश्चर्य के चेहरे के भावों को अधिक यथार्थवादी और सामाजिक रूप से संबंधित बनाती है। यह पुष्टि करता है कि प्रस्तावित रूपरेखा मानव वरीयता और मॉडल भविष्यवाणी के बीच की खाई को प्रभावी ढंग से पाटती है, और रोबोट के चेहरे के भाव निर्माण को मानवीय भावनात्मक प्रतिक्रियाओं से मेल खाती है।
