Japanese character figurines are popular and have pivot position in Otaku culture. Although numerous robots have been developed, less have focused on otaku-culture or on embodying the anime character figurine. Therefore, we take the first steps to bridge this gap by developing Hatsuki, which is a humanoid robot platform with anime based design. Hatsuki's novelty lies in aesthetic design, 2D facial expressions, and anime-style behaviors that allows it to deliver rich interaction experiences resembling anime-characters. We explain our design implementation process of Hatsuki, followed by our evaluations. In order to explore user impressions and opinions towards Hatsuki, we conducted a questionnaire in the world's largest anime-figurine event. The results indicate that participants were generally very satisfied with Hatsuki's design, and proposed various use case scenarios and deployment contexts for Hatsuki. The second evaluation focused on imitation learning, as such method can provide better interaction ability in the real world and generate rich, context-adaptive behavior in different situations. We made Hatsuki learn 11 actions, combining voice, facial expressions and motions, through neuron network based policy model with our proposed interface. Results show our approach was successfully able to generate the actions through self-organized contexts, which shows the potential for generalizing our approach in further actions under different contexts. Lastly, we present our future research direction for Hatsuki, and provide our conclusion.

中文翻译：

---

HATSUKI ：具有动漫风格表达和基于模仿学习的动作生成的机器人人物平台等动漫角色

日本人偶很受欢迎，在御宅文化中占有重要地位。尽管已经开发了许多机器人，但很少有人关注御宅文化或体现动漫人物雕像。因此，我们首先通过开发 Hatsuki 来弥合这一差距，Hatsuki 是一个基于动漫设计的人形机器人平台。Hatsuki 的新颖之处在于美学设计、2D 面部表情和动漫风格的行为，使其能够提供类似于动漫角色的丰富交互体验。我们解释了 Hatsuki 的设计实现过程，然后是我们的评估。为了探索用户对初月的印象和意见，我们在世界上最大的动漫人偶活动中进行了问卷调查。结果表明，参与者普遍对 Hatsuki 的设计非常满意，并为 Hatsuki 提出了各种用例场景和部署上下文。第二个评估侧重于模仿学习，因为这种方法可以在现实世界中提供更好的交互能力，并在不同情况下产生丰富的、上下文自适应的行为。我们通过基于神经元网络的策略模型和我们提出的接口，让 Hatsuki 学习了 11 个动作，结合了语音、面部表情和动作。结果表明，我们的方法能够成功地通过自组织上下文生成动作，这显示了在不同上下文下将我们的方法推广到进一步动作中的潜力。最后，我们提出了我们对 Hatsuki 的未来研究方向，并提供了我们的结论。这样的方法可以在现实世界中提供更好的交互能力，并在不同情况下产生丰富的、上下文自适应的行为。我们通过基于神经元网络的策略模型和我们提出的接口，让 Hatsuki 学习了 11 个动作，结合了语音、面部表情和动作。结果表明，我们的方法能够成功地通过自组织上下文生成动作，这显示了在不同上下文下将我们的方法推广到进一步动作中的潜力。最后，我们提出了我们对 Hatsuki 的未来研究方向，并提供了我们的结论。这样的方法可以在现实世界中提供更好的交互能力，并在不同情况下产生丰富的、上下文自适应的行为。我们通过基于神经元网络的策略模型和我们提出的接口，让 Hatsuki 学习了 11 个动作，结合了语音、面部表情和动作。结果表明，我们的方法能够成功地通过自组织上下文生成动作，这显示了在不同上下文下将我们的方法推广到进一步动作中的潜力。最后，我们提出了我们对 Hatsuki 的未来研究方向，并提供了我们的结论。通过基于神经元网络的策略模型和我们提出的接口。结果表明，我们的方法能够成功地通过自组织上下文生成动作，这显示了在不同上下文下将我们的方法推广到进一步动作中的潜力。最后，我们提出了我们对 Hatsuki 的未来研究方向，并提供了我们的结论。通过基于神经元网络的策略模型和我们提出的接口。结果表明，我们的方法能够成功地通过自组织上下文生成动作，这显示了在不同上下文下将我们的方法推广到进一步动作中的潜力。最后，我们提出了我们对 Hatsuki 的未来研究方向，并提供了我们的结论。