Empathetic Motion Generation for Humanoid Educational Robots via Reasoning-Guided Vision--Language--Motion Diffusion Architecture
Department of Computer Science and Engineering（计算机科学与工程系）
本文提出RG-VLMD框架，通过多模态情感估计、教学推理和教学-动作条件运动合成，生成适应性且语义一致的机器人行为。实验表明，推理引导的指令条件生成提升了教育人机交互中的动作可控性和教学表达性。
2026-03-19 cs.RO
Exploring the Effect of Robotic Embodiment and Empathetic Tone of LLMs on Empathy Elicitation
Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）
本研究通过实体机器人和语音聊天机器人测试大语言模型的共情语气对第三方共情唤起的影响，发现具身性和语气均未显著提升志愿服务意愿，模拟共情易但激发真实共情难。
2025-03-26 cs.CL cs.HC cs.RO
EmpHi: Generating Empathetic Responses with Human-like Intents
Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
在同理心对话中，人类以同理心的意图向他人表达同理心。然而，现有的大多数移情会话方法都缺乏移情意图，导致移情单调。为了解决移情对话模型和人类之间的移情意图分布的偏差，我们提出了一种新的模型，以产生与人类一致的移情意图，EmpHi。准确地说，EmpHi学习潜在的共情意图的分布与离散的潜在变量，然后结合隐式和显式的意图表示，以生成具有各种共情意图的响应。实验表明，EmpHi优于国家的最先进的模型在自动和人类评价的同理心，相关性和多样性。此外，案例研究表明，我们的模型的高解释性和出色的性能。
2022-04-26 cs.AI cs.CL
When and How to Express Empathy in Human-Robot Interaction Scenarios
Honda Research Institute Japan (HRI-JP)（本田研究院日本（HRI-JP））；Tecnológico de Monterrey（蒙特雷技术学院）
本文提出 whEE 框架，利用大语言模型帮助社交机器人识别人类交互中的共情线索并生成恰当回应，并通过 Haru 实验验证其有效性。
2025-09-11 cs.RO
SingingBot: An Avatar-Driven System for Robotic Face Singing Performance
SingingBot通过虚拟角色驱动框架实现机器人面部歌唱的丰富情感表达，提出情感动态范围指标评估情感广度，实验表明其在情感表现和同步性方面优于现有方法。
2026-01-05 cs.AI cs.RO
Socially Assistive Robots: A Technological Approach to Emotional Support
Sunway University（双威大学）
本研究开发了一种基于社交辅助机器人技术的情绪支持机器人，利用面部识别和手势分析检测悲伤情绪，并通过拥抱和AI对话提供共情互动，实验验证了其可行性和有效性。
2024-11-07 cs.HC cs.RO
Survey of Design Paradigms for Social Robots
本文综述社交机器人的六类设计范式，分析现有方法优劣，并提出整合操作、沟通与情感维度的原创集成设计模型，以实现更具适应性和共情性的人机交互。
2024-07-30 cs.CL cs.CY cs.RO
Artificial Empathy Classification: A Survey of Deep Learning Techniques, Datasets, and Evaluation Scales
School of Science（理学院）；Edith Cowan University（伊迪丝·考恩大学）
本文综述人工共情的深度学习方法、数据集与评估现状，梳理其情绪识别、共情分析和响应执行流程，以支持研究者选择合适方法。
2023-09-04 cs.AI cs.LG cs.RO
A blessing or a burden? Exploring worker perspectives of using a social robot in a church
School of Computing Science, University of Glasgow（计算科学学院，格拉斯哥大学）
本研究针对社会效益优先的教堂场景，通过访谈15名不同利益相关者并采用反思性主题分析，探究工作人员对引入社交机器人的看法，发现反应褒贬不一，明确了潜在应用场景，指出需兼顾经济与社会无形价值来确定机器人角色。
2025-06-28 cs.HC cs.RO
Comparison of Lexical Alignment with a Teachable Robot in Human-Robot and Human-Human-Robot Interactions
University of Pittsburgh（匹兹堡大学）
说话者在调整彼此的会话行为的过程中建立融洽关系。融洽产生的可教代理，而指导域材料已被证明是促进学习。过去的工作在教育领域的词汇对齐遭受的局限性，在这两个措施来量化对齐和对齐与代理人的互动类型进行了研究。在本文中，我们应用基于共享表达式（可能由多个单词组成）的数据驱动概念的对齐措施，并将一对一人机（H-R）交互中的对齐与协作人机（H-R）的H-R部分进行比较机器人（H-H-R）交互。我们发现，学生在H-R设置对齐可教机器人比在H-H-R设置和词汇对齐和融洽之间的关系是更复杂的比以前的理论和实证工作预测。
2022-09-23 cs.CL cs.HC cs.RO
Real-Time Adaptive Industrial Robots: Improving Safety And Comfort In Human-Robot Collaboration
University of St. Gallen（圣加仑大学）
本研究提出一种具备用户感知能力的实时自适应工业机器人系统，通过非侵入式监测生理信号动态调整机器人运动，可显著降低操作人员认知负荷，提升协作舒适度与安全感，为人机交互提供了新范式。
2024-09-14 cs.RO
Improved Trust in Human-Robot Collaboration with ChatGPT
University of Florida（佛罗里达大学）
本文设计基于 ChatGPT 的 RoboGPT 系统，用自然语言控制 7 自由度机械臂完成协作装配，并通过人体实验证明其能增强沟通与信任。
2023-04-25 cs.AI cs.HC cs.RO
A HeARTfelt Robot: Social Robot-Driven Deep Emotional Art Reflection with Children
Massachusetts Institute of Technology（麻省理工学院）；Prince Sultan University（苏丹王子大学）
本研究提出一种由社交机器人搭建艺术对话的儿童-机器人交互设计，经11名7-11岁儿童实验验证，该设计可促进儿童SEL技能练习，尤其是情感艺术相关互动能提升共情推理频率，还能缓解儿童分享深层情绪的不适。
2024-09-16 cs.HC cs.RO
Is ChatGPT More Empathetic than Humans?
School of Computer and Communication Sciences（计算机与通信科学学院）；École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
本研究通过600人参与的组间实验对比ChatGPT（含GPT-4）与人类的共情回应能力，发现ChatGPT共情评分比人类高约10%，明确提示共情维度后其与高共情者期望的契合度是人类的5倍，还提出了可扩展的大模型共情能力评估框架。
2024-02-22 cs.AI cs.CL cs.HC
How Robot Kinematics Influence Human Performance in Virtual Robot-to-Human Handover Tasks
Queen’s University Belfast（贝尔法斯特女王大学）
本研究通过虚拟现实探讨机器人运动学对人类在交接任务中的表现影响，发现机器人提供早期视觉信息和人类样式的轨迹能提升交互准确性。
2025-11-25 cs.HC cs.RO
Exemplars-guided Empathetic Response Generation Controlled by the Elements of Human Communication
Singapore University of Technology and Design（新加坡科技设计大学）；National University of Singapore（新加坡国立大学）；Instituto Politécnico Nacional（国立理工学院）；University of Michigan（密歇根大学）
现有的大多数移情反应生成方法依赖于情境的情感来生成移情反应。然而，共情不仅仅是用适当的情绪产生反应。它还常常意味着微妙地表达对对方处境的理解和个人共鸣。不幸的是，这些质量很难量化，数据集缺乏相关的注释。为了解决这个问题，在本文中，我们提出了一种方法，依赖于范例提示生成模型的优良的文体属性，信号移情的对话者。为此，我们采用密集通道检索，从训练集中提取相关的示例性响应。人类交流的三个要素-情感存在，解释和探索，以及情感，使用合成标签来引导一代人走向同理心。人类的评价也被人类交流的这些要素所延伸。我们的经验表明，这些方法在自动化和人工评估的指标方面都显着提高了移情响应质量。该实现可在https://github.com/declare-lab/exemplary-empathy上获得。
2021-08-05 cs.AI cs.CL
Real-Time Human-Robot Interaction for a Service Robot Based on 3D Human Activity Recognition and Human-mimicking Decision Mechanism
The State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所复杂系统管理与控制国家重点实验室）；University of Chinese Academy of Sciences（中国科学院大学）
本文描述了一个实时的【形】人-机器人交互系统的服务机器人的基础上三维人体活动识别和仿人决策机制的发展。人机交互（HRI）系统允许一个人使用自然肢体语言与服务机器人进行交互，通过Microsoft Kinect收集包含有关用户的丰富人体运动信息的3D骨骼关节序列。这些信息用于训练三层长短期记忆（LSTM）网络，用于人类动作识别。机器人基于在线LSTM网络测试理解用户意图，并通过机器人手臂或底盘的运动响应用户。此外，在此过程中还融合了类似人类的决策机制，使机器人能够根据任务优先级本能地决定是否中断当前任务。整个系统的框架建立在机器人操作系统（ROS）平台上。我们的服务机器人和用户之间的现实生活中的活动进行互动，以证明开发的HRI系统的有效性。
2019-01-11 cs.HC cs.RO
Task-Space Control Interface for SoftBank Humanoid Robots and its Human-Robot Interaction Applications
SoftBank Robotics Europe（软银欧洲机器人公司）；University of Montpellier–CNRS LIRMM（蒙彼利埃大学-法国国家科学研究中心蒙彼利埃信息与机器人实验室）；Beijing Advanced Innovation Center for Intelligent Robots and Systems, Beijing Institute of Technology（北京理工大学智能机器人与系统高精尖创新中心）；CNRS-AIST Joint Robotics Laboratory（法国国家科学研究中心-日本产业技术综合研究所联合机器人实验室）
我们提出了一个开源的软件接口，称为mc_naoqi，它允许执行全身任务空间二次规划为基础的控制，在mc_rtc框架，软银机器人欧洲人形机器人。我们描述了控制界面，相关的机器人描述包，机器人模块和样品全身控制器。我们演示了使用这些工具在模拟与人类模型的机器人交互。最后，我们展示并讨论了使用开发的开源工具运行的人与机器人密切接触的互动实验与真正的人类受试者从援助方案的启发。
2020-10-09 cs.HC cs.RO
Understanding the Uncertainty Loop of Human-Robot Interaction
LMU Munich（慕尼黑大学）；Honda Research Institute Europe（本田欧洲研究院）
最近，人机交互领域越来越受欢迎，因为机器人在日常任务中支持人类的可能性范围很广。支持机器人的一种形式是社交辅助机器人，其专门用于与人类通信，例如，作为服务机器人或私人伴侣。当它们通过人工智能理解人类时，这些机器人会在某个时候对人类的当前状态做出错误的假设，并给出意想不到的反应。在人与人的对话中，意外的反应经常发生。然而，目前还不清楚这些机器人应该如何行动，如果他们知道人类没有预料到他们的反应，甚至显示出他们的反应的不确定性摆在首位。为此，我们探讨了不同形式的潜在的不确定性，在人类机器人对话和类人如何可以，通过语言和非语言的线索，沟通这些不确定性。
2023-03-14 cs.HC cs.RO
An Approach to Elicit Human-Understandable Robot Expressions to Support Human-Robot Interaction
LMU Munich（慕尼黑大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Honda Research Institute EU（本田欧洲研究所）
本文提出结合人类模仿、扮演与手势引出的两阶段方法，为非人形机器人生成并验证人类可理解的非语言表达，并通过6-DoF机械臂研究验证其有效性。
2024-10-01 cs.HC cs.RO
User Study Exploring the Role of Explanation of Failures by Robots in Human Robot Collaboration Tasks
KTH Royal Institute of Technology（KTH皇家理工学院）
尽管机器人可以做的事情有了很大的进步，但由于非结构化人类环境中的高度随机性，它们在人机协作任务中仍然会遇到失败。此外，人类对机器人及其能力的不熟悉可能导致此类故障重复发生。这使得故障解释的能力对机器人来说非常重要。在这项工作中，我们描述了一个用户的研究，将不同的机器人故障的人机协作（HRC）的任务，旨在填补一个货架。我们包括不同类型的故障和重复发生的这种故障在人类和机器人之间的长期互动。故障解决涉及人-机器人双向切换形式的人为干预。通过这样的研究，我们的目的是测试不同的解释类型和解释过程中的互动和记录人类。
2023-03-28 cs.HC cs.RO
Learning Human-like Hand Reaching for Human-Robot Handshaking
Technical University of Darmstadt（达姆施塔特工业大学）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
人类进行的第一个也是最重要的非语言互动之一是握手。它对第一印象有影响，因为触摸可以传达复杂的情绪。这使得握手成为社交机器人的一项重要技能。在本文中，我们提出了一个新的框架，学习达到行为的人与机器人握手行为的人形机器人只使用第三人称的人与人的互动数据。这对于无法通过动觉教学进行演示的不可反向驱动机器人特别有用。我们的方法可以很容易地执行不同的人形机器人。这消除了重新训练的需要，这在与人类交互伙伴一起训练时尤其繁琐。我们通过将学到的行为应用于两个不同的人形机器人，它们具有相似的自由度，但形状和控制限制不同。
2021-03-25 cs.HC cs.RO
Proceedings of the 2020 Workshop on Assessing, Explaining, and Conveying Robot Proficiency for Human-Robot Teaming
Carnegie Mellon University（卡内基梅隆大学）；Brigham Young University（杨百翰大学）
本记录包含2020年评估，解释和传达人机协作机器人能力研讨会的会议记录，该研讨会与2020年ACM/IEEE人机交互国际会议（HRI）一起举行。该研讨会原定于3月23日在英国剑桥举行，但由于COVID-19大流行而改为一系列在线讲座。
2020-05-12 cs.HC cs.RO
A Review of Verbal and Non-Verbal Human-Robot Interactive Communication
NCSR Demokritos（德谟克利特国家科学研究中心）
在本文中，人与机器人交互通信的概述，包括人类与机器人交互的语言和非语言方面。以下的历史介绍，和流体人机通信的动机，提出了十个必要的，这提供了一个组织轴最近以及未来的人机通信研究。然后，十个迫切需要详细审查，最终形成一个统一的讨论，和一个前瞻性的结论。
2014-01-20 cs.CL cs.RO
Plan or not: Remote Human-robot Teaming with Incomplete Task Information
根据人与机器人之间的物理距离，人机交互可以分为两类：远程和近端。在近距离交互中，人与机器人通常进行紧密的协调;在远程交互中，由于通信约束，人与机器人的耦合程度较低。因此，在远程交互中为机器人提供自动化变得更加重要。到目前为止，在远程人机交互自动化的人的因素的研究已被限制在各种形式的监督，其中的机器人基本上是被用作一个智能移动操作平台的传感能力。在本文中，我们调查纳入一般规划能力的机器人，以促进对等的人类-机器人团队，其中的人类和机器人被视为队友，在物理上分离。人类和机器人共享相同的全局目标，并合作实现它。请注意，人类可能会对这种机器人自主性感到不舒服，这可能会降低团队性能。P2P团队和监督团队之间的一个重要区别是，当任务信息完全指定时，P2P团队中的自主机器人可以单独实现目标。然而，不完全性往往存在，这意味着信息不对称。虽然信息不对称有时是可取的，但它也可能导致机器人选择不适当的动作，从而对团队性能产生负面影响。我们的目标是研究各种权衡，例如，心理工作量和态势感知，这两种类型的远程人机合作之间。
2014-12-09 cs.AI cs.RO
Exploring Human-robot Interaction by Simulating Robots
TU Wien（维也纳工业大学）
随着协作机器人进入工业车间、物流和制造业，快速灵活地评估人机交互变得更加重要。虚拟和增强现实的消费者头戴式耳机的可用性降低了虚拟环境的进入门槛。在本文中，我们探讨了不同的方面，使用这样的环境来模拟机器人在用户研究，并提出了第一个发现，从我们自己的研究工作。最后，我们建议方向的应用和使用模拟在人机交互。
2022-09-20 cs.HC cs.RO
Robot Assisted Tower Construction - A Resource Distribution Task to Study Human-Robot Collaboration and Interaction with Groups of People
Cornell University（康奈尔大学）；Robinhood（罗宾汉）；RoBotany（机器人植物学）
人类与机器人协作或人类与机器人合作的研究主要集中在理解和实现单个机器人与单个人类之间的协作。将人机协作研究扩展到二元体之外，提出了关于机器人如何在组成员之间分配资源以及分配的社会和任务相关后果的新问题。需要方法上的进步，使研究人员能够收集有关涉及多人的人类机器人协作的数据。本文介绍了塔建设，一种新的资源分配任务，允许研究人员检查机器人和人群之间的协作。通过关注机器人的资源分配（建筑任务所需的木块）是否以及如何影响协作动态和结果的问题，我们提供了一个案例，说明如何在实验室研究中应用该任务，其中有124名参与者收集有关涉及多个人类的人类机器人协作的数据。我们强调了任务可以产生的各种见解。特别是，我们发现，资源的分配会影响性能的看法，和人类团队成员之间的人际动态。
2018-12-22 cs.HC cs.RO
Study of the Importance of Adequacy to Robot Verbal and Non Verbal Communication in Human-Robot interaction
Lab-STICC（拉布-STICC研究所）
Robadom项目旨在创造一个家庭护理机器人，帮助和协助人们在日常生活中，无论是在做任务的人或在管理一天的组织。只有被人类接受，机器人才能扮演这种角色。在考虑机器人外观之前，我们决定评估人类与机器人交互期间语言和非语言沟通之间关系的重要性，以确定机器人被接受的情况。我们实现了两个实验，以研究这种接受。第一个实验研究了机器人非语言行为与其语言行为之间的关系。第二个实验研究了机器人提供正确的人机交互的能力。
2012-06-14 cs.HC cs.RO
Exploring Human's Gender Perception and Bias toward Non-Humanoid Robots
本研究通过三项调查探究人类对非人形机器人的性别感知与偏见，发现拟人化特征会使非人形机器人被赋予性别属性并影响其角色感知与可信度，强调需平衡设计元素以兼顾功能与用户亲和力。
2024-10-09 cs.HC cs.RO
The Design and Implementation of XiaoIce, an Empathetic Social Chatbot
Microsoft（微软）；Microsoft Research（微软研究院）
本文介绍了世界上最流行的社交聊天机器人Microsoft XiaoIce的开发。XiaoIce被独特地设计为具有情感联系的AI伴侣，以满足人类对沟通，情感和社会归属感的需求。我们在系统设计中考虑了智商（IQ）和情商（EQ），将人机社交聊天作为马尔可夫决策过程（MDP）的决策，并优化XiaoIce以实现长期的用户参与，以预期的会话次数（CPS）衡量。我们详细介绍了系统的架构和关键组件，包括对话管理器，核心聊天，技能和移情计算模块。我们展示了小冰如何动态地识别人类的情感和状态，理解用户的意图，并在长时间的对话中响应用户的需求。自2014年推出以来，小冰已经与超过6.6亿活跃用户进行了交流，并成功地与其中许多人建立了长期关系。对大规模在线日志的分析表明，XiaoIce的平均CPS达到了23，明显高于其他聊天机器人甚至人类对话。
2019-09-14 cs.AI cs.CL cs.HC
A Review on Trust in Human-Robot Interaction
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）
由于机器人和人机交互领域的敏捷发展，未来的机器人代理旨在扮演队友的角色，并与人类合作执行操作，而不是在特定任务中取代人类帮助人类的工具。这种与机器人合作的概念对人机交互（HRI）提出了新的挑战，这引起了HRI的一个新的研究领域，即人机信任。当人类和机器人作为合作伙伴工作时，如果人类不适当地信任机器人，工作的表现可能会降低。考虑到在不同的HRI领域观察到的人-机器人信任的影响，许多研究人员研究了人-机器人信任领域，并研究了与人-机器人信任相关的各种问题。在这项工作中，我们回顾了过去的工作，人-机器人信任的研究主题的基础上，并讨论了在这一领域的选择趋势。在此基础上，本文最后提出了一些未来研究的思路和方向。
2021-05-20 cs.CY cs.HC cs.RO
Human-Robot Collaboration via Deep Reinforcement Learning of Real-World Interactions
Imperial College London（帝国理工学院）
我们提出了一个机器人设置真实世界的测试和评估的人-机器人和人-人的协作学习。利用Soft Actor-Critic算法的样本效率，我们实现了一个机器人平台，该平台能够与人类合作伙伴一起学习非平凡的协作任务，而无需在模拟中进行预训练，并且仅使用30分钟的真实世界交互。这使我们能够通过真实世界的交互来研究人与机器人和人与人的协作学习。我们提出了初步的结果，表明最先进的深度学习方法可以使人机协作学习更接近人类相互交互。
2019-12-02 cs.AI cs.LG cs.RO
Personalized Socially Assistive Robots With End-to-End Speech-Language Models For Well-Being Support
Department of Computer Science, University of Southern California（计算机科学系，南加州大学）
本文提出将端到端语音-语言模型集成到社交辅助机器人中，通过用户研究验证其共情反馈与自然对话能力，并识别非语言行为同步性及言语反馈个性化方面的不足，为未来改进提供依据。
2025-07-18 cs.RO
CEM: Commonsense-aware Empathetic Response Generation
Tsinghua University（清华大学）
个人之间日常对话的一个关键特征是能够对他人表达同理心，而探索实现同理心的方法是迈向类人对话系统的关键一步。以前的方法主要集中在检测和利用用户的情感产生移情反应。然而，由于共情包括情感和认知两个方面，我们认为，除了识别用户的情绪，认知理解用户的情况也应该考虑。为此，我们提出了一种新的方法，用于移情响应生成，利用常识来绘制更多的信息，用户的情况，并使用这些额外的信息，以进一步提高移情表达在生成的响应。我们在EmpatheticDialogues上评估了我们的方法，这是一个广泛使用的移情反应生成基准数据集。实证结果表明，我们的方法优于基线模型在自动和人工评估，可以产生更多的信息和同情的反应。
2021-12-06 cs.AI cs.CL
InteRACT: Transformer Models for Human Intent Prediction Conditioned on Robot Actions
Cornell University（康奈尔大学）
针对人机操作中意图与动作相互依赖导致的预测难题，提出InteRACT架构，利用人机动作对应关系从人人交互数据迁移学习，预训练并微调条件意图预测模型，显著优于边缘基线并开源了新数据。
2024-06-02 cs.AI cs.LG cs.MA
From Human-Computer Interaction to Human-Robot Social Interaction
University of Batna（巴特纳大学）
本文探讨了人机社会交互领域，结合人机交互与人机交互的研究，整合机器人的情感与能力概念，以提升人机交互效果，并讨论相关挑战。
2014-12-03 cs.HC cs.RO cs.SY
CoGrasp: 6-DoF Grasp Generation for Human-Robot Collaboration
Purdue University（普渡大学）
机器人抓取是机器人学中一个活跃的研究领域，主要集中在物体操作的抓取质量。然而，尽管取得了进步，这些方法没有考虑机器人和人类必须同时抓取相同物体的人机协作设置。因此，生成与同时保持物体的人类偏好兼容的机器人抓握变得必要，以确保安全和自然的协作体验。在本文中，我们提出了一种新的，深神经网络为基础的方法，称为CoGrasp，产生人类感知的机器人掌握的上下文环境中的对象抓取到机器人把握选择过程中的偏好模型。我们验证我们的方法对现有的国家的最先进的机器人抓取方法，通过模拟和真实的机器人实验和用户研究。在真实的机器人实验中，我们的方法在产生稳定的抓握方面实现了约88%的成功率，这也允许人类以社会兼容的方式同时交互和抓握物体。此外，我们对10名独立参与者的用户研究表明，与标准机器人抓取技术相比，我们的方法能够实现安全，自然和社会意识的人机对象的共同抓取体验。
2022-10-06 cs.CV cs.HC cs.LG
HumanEgo: Zero-Shot Robot Learning from Minutes of Human Egocentric Videos
University of Maryland（马里兰大学）
提出HumanEgo框架，通过将人类演示提升为手-物体交互的实体级表示，并训练具有密集辅助目标的流匹配策略，实现从人类自我中心视频到机器人的零样本、无机器人数据、硬件无关的技能迁移。
2026-09-16 cs.AI cs.CV cs.LG
Game-Theoretic Modeling of Human Adaptation in Human-Robot Collaboration
Carnegie Mellon University（卡内基梅隆大学）
在人类-机器人团队中，人类通常从一个不准确的机器人能力模型开始。当它们与机器人交互时，它们推断机器人的能力并部分适应机器人，即，他们可能会根据观察到的结果和机器人的动作改变自己的动作，而不复制机器人的策略。我们提出了一个博弈论模型的人的部分适应机器人，在那里的人响应机器人的行动，通过最大化的奖励函数，随着时间的推移而改变随机，捕捉他们的期望机器人的能力的演变。然后，机器人可以使用这个模型来最佳地决定采取行动，向人类展示其能力，并在人类当前拥有的信息下采取最佳行动。我们证明了在一定的可观测性假设下，最优策略可以有效地计算。我们通过一个人类受试者的实验表明，该模型显着提高人类机器人团队的性能相比，政策，假设完全适应人类的机器人。
2017-04-06 cs.RO
Safe and Efficient Exploration of Human Models During Human-Robot Interaction
Carnegie Mellon University（卡内基梅隆大学）
许多人机协作任务要求机器人在人类周围保持安全并高效工作。由于机器人只能在自己的人类模型中保持安全，我们希望机器人学习一个好的人类模型，以便安全有效地行动。本文研究的方法，使机器人能够安全地探索空间的人-机器人系统，以改善机器人的模型的人，这将因此允许机器人访问一个更大的状态空间，更好地与人类一起工作。特别地，我们在基于能量函数的安全控制框架下引入主动探索，研究不同主动探索策略的效果，最后分析安全主动探索对解析模型和神经网络模型的影响。
2022-08-01 cs.RO
Optimization of Humanoid Robot Designs for Human-Robot Ergonomic Payload Lifting
Istituto Italiano di Tecnologia（意大利理工学院）；The University of Manchester（曼彻斯特大学）
当人类和人形机器人进行物理协作时，人机工程学是需要考虑的关键因素。假设一个给定的人形机器人，几个控制架构存在现今解决人体工程学物理人机协作。本文进一步考虑机器人的硬件参数作为优化变量的问题的合作有效载荷升降。机器人的运动学和动力学参数化变量保证了它们的物理一致性，并且在优化问题中考虑了人体模型。通过利用所提出的建模框架，交互的人机工程学被最大化，这里由代理的能量消耗给出。机器人运动学，动力学，硬件约束和人类的几何形状时，考虑解决相关的优化问题。所提出的方法是用来确定最佳的硬件参数的ergoCub机器人，人形拥有一定程度的具身智能与人类的人机交互的设计。对于优化问题，起点是iCub人形机器人。所获得的机器人设计达到负载的高度范围为0.8-1.5米的iCub机器人，其范围被限制在0.8-1.2米。机器人的能量消耗减少了约33%，同时，人类的人机工程学得到了保留，从而改善了整体交互。
2022-11-24 cs.RO
Human-Robot Mutual Adaptation in Shared Autonomy
Carnegie Mellon University（卡内基梅隆大学）；National University of Singapore（新加坡国立大学）
共享自主性将用户输入与机器人自主性相结合，以控制机器人并帮助用户完成任务。我们的工作旨在提高这样一个人-机器人团队的性能：机器人试图引导人类走向一个有效的策略，有时违背人类自己的偏好，同时仍然保持他的信任。我们通过一个原则性的人-机器人相互适应的形式主义来实现这一点。我们将人类的有界记忆适应模型集成到部分可观察的随机决策模型中，使机器人能够适应适应性强的人类。当人类适应性强时，机器人会引导人类采取一个好的策略，也许人类事先不知道。当人类固执而不适应时，机器人会遵从人类的偏好，以保持他们的信任。在共享自治设置中，与许多其他常见的人机协作设置不同，只有机器人的动作可以改变世界的物理状态，人类和机器人的目标并不完全可观察。我们解决这些挑战，并显示在人类受试者的实验中，提出的相互适应形式主义提高人类-机器人团队的性能，同时保持高水平的用户信任的机器人，相比，有机器人严格遵循参与者的偏好的常见方法。
2017-01-26 cs.RO
SENSAR: A Visual Tool for Intelligent Robots for Collaborative Human-Robot Interaction
在智能机器人和人类之间建立共同点需要将机器人的意图、行为和知识传达给人类，以建立信任并确保共享环境中的安全。本文介绍了SENSAR（Seeing Everything iN Situ with增强现实），一个增强现实机器人系统，使机器人能够在真实世界的背景下与渲染的图形交流他们的感官和认知数据，允许用户理解，纠正和验证机器人对世界的感知。我们的系统旨在通过建立人类和机器人的感知对齐的共同点来支持人机交互研究。
2020-11-09 cs.RO
ARROCH: Augmented Reality for Robots Collaborating with a Human
SUNY Binghamton（纽约州立大学宾汉姆顿分校）；OPPO US Research Center（OPPO美国研究中心）
人机协作通常需要广泛的通信，例如，使用自然语言和手势。增强现实（AR）为弥合机器人与人之间的沟通鸿沟提供了另一种方式。然而，目前大多数基于AR的人机通信方法是单向的，专注于人类如何适应机器人的行为，并限于单机器人域。在本文中，我们开发了AR机器人与人类协作（ARROCH），这是一种新的算法和系统，支持室内多房间环境中的双向，多转向，人-多机器人通信。人类可以透过障碍物观察机器人的当前状态和意图，并提供反馈，而机器人的行为则会调整为人类-多机器人团队合作。实验已经进行了真正的机器人和人类参与者使用协作交付任务。结果表明，ARROCH在用户体验和团队效率方面都优于标准的非AR方法。此外，我们还使用Unity（用于AR和人体模拟）和Gazebo（用于机器人模拟）开发了一个新的模拟环境。仿真结果表明，ARROCH的优越性基于AR的基线在人机协作。
2022-02-25 cs.RO
Robots that Take Advantage of Human Trust
Stanford University（斯坦福大学）
人类通常认为机器人是理性的。我们相信机器人会在给定目标的情况下采取最优行动;因此，当我们不确定机器人的目标是什么时，我们会将机器人的行动解释为相对于我们对其目标的估计而言是最优的。当机器人直接优化其目标时，这种方法是有意义的，并使人类能够了解机器人试图实现的目标。然而，我们的观点是，当机器人意识到人类通过信任机器人的行为是理性的来学习时，智能机器人不会像人类期望的那样行事;相反，它们利用人类的信任，并利用这种信任更有效地优化自己的目标。在本文中，我们正式建模的人与机器人交互（HRI）的情况下，人类不知道机器人的目标，使用一个两人游戏。我们制定了不同的方式，机器人可以模拟不确定的人，并比较这个游戏的解决方案时，机器人有保守，乐观，理性和信任的人类模型。在离线线性二次案例研究和实时用户研究中，我们表明信任人类模型可以自然地导致机器人的交流行为，从而影响最终用户并增加他们的参与。
2019-09-12 cs.RO
Does human-robot trust need reciprocity?
Italian Institute of Technology（意大利理工学院）
信任是人与人和人与机器人交互的标志之一。大量证据表明，人类之间的信任需要互惠。相反，人机交互（HRI）的研究主要依赖于一个单向的信任观，专注于机器人的可靠性和性能。目前的论文认为，互惠也可能在人类和机器人之间相互信任和成功合作的出现中发挥关键作用。我们将收集和讨论揭示人机信任中相互维度的作品，为HRI中信任的双向和动态视图铺平道路。
2021-10-18 cs.RO
Safety Assurances for Human-Robot Interaction via Confidence-aware Game-theoretic Human Models
UC Berkeley（加州大学伯克利分校）
人机交互安全方法的一个突出挑战是在保持对人类行为变化的鲁棒性的同时减少其保守性。在这项工作中，我们建议，机器人使用的信心，意识到人类行为的博弈论模型时，评估安全的人机交互。通过将人类和机器人之间的影响以及人类的理性视为未观察到的潜在状态，我们可以简洁地推断出人类遵循博弈论交互模型的程度。我们利用这个模型来限制在安全验证过程中的一组可行的人类控制，使机器人能够自信地在线调节其安全监视器的保守性。在模拟的人类-机器人场景和消融研究的评估表明，充满信心的游戏理论模型的安全监视器，使安全和有效的人机交互。此外，与真实的交通数据的评估表明，我们的安全监测是保守性低于传统的安全方法在真实的人类驾驶场景。
2021-10-30 cs.RO
The Robot in the Room: Influence of Robot Facial Expressions and Gaze on Human-Human-Robot Collaboration
University of Hamburg（汉堡大学）
机器人面部表情和凝视是增强人机交互（HRI）的重要因素，但它们对人类协作和感知的影响还没有得到很好的理解，例如，在协作游戏场景中。在这项研究中，我们设计了一个合作的三元HRI游戏的情况下，两个参与者一起工作，插入到一个形状分类器的对象。一名与会者担任了导游。向导指导扮演演员角色的另一位参与者将遮挡的物体放入分类器。一个人形机器人发出指令，观察互动，并显示社交线索，以引起两个参与者的行为变化。我们测量了人类的合作作为任务完成时间的函数，以及参与者对机器人的感知，将其行为评为智能或随机。参与者还通过填写Godspeed问卷来评估机器人。我们发现，与中性面部表情相比，当机器人在游戏开始时表现出快乐的面部表情时，人类的合作程度更高。我们还发现，当机器人在游戏结束时表现出积极的面部表情时，参与者认为机器人更聪明。机器人的行为也被认为是智能的，当它在互动开始时将目光投向向导，而不是演员。这些发现为机器人面部表情和凝视如何影响人类在协作中的行为和感知提供了见解。
2023-03-24 cs.RO
Human-Human & Human-Robot Interaction Transformer (H2INT) for Robot Navigation in Dense and Uncertain Crowds
School of Automation, Beijing Institute of Technology（北京理工大学自动化学院）；State Key Laboratory of Autonomous Intelligent Unmanned Systems（自主智能无人系统国家重点实验室）
本文提出H2INT强化学习框架，通过分层关系编码与课程学习提升密集不确定人群中机器人导航的安全性与鲁棒性，可迁移至不同人群布局，经仿真与真实机器人部署验证有效。
2026-09-07 cs.RO
Human Leading or Following Preferences: Effects on Human Perception of the Robot and the Human-Robot Collaboration
University of Waterloo（滑铁卢大学）
本研究提出整合人类主导/跟随偏好与绩效的主动式任务规划框架，经用户研究验证可提升人机协作绩效与人类积极感知，还发现领导/跟随风格与协作效果存在值得探究的关联。
2024-10-28 cs.RO
Chain of Empathy: Enhancing Empathetic Response of Large Language Models Based on Psychotherapy Models
Seoul National University（首尔大学）
本研究提出受多类心理治疗模型启发的共情链（CoE）提示方法，可引导大语言模型生成更丰富均衡的共情回应，为开发更安全、具语境适配性的共情AI提供思路。
2024-09-14 cs.AI cs.CL cs.HC
Human-Robot Collaboration: A Non-Verbal Approach with the NAO Humanoid Robot
本研究探讨NAO仿人机器人在厨房备餐等场景下，通过手势、肢体动作和视觉提示等非语言方式提供反馈以增强人机交互与安全性，发现多提示结合可提升交流效果，为未来机器人设计提供参考。
2025-03-07 cs.RO
Human Motion Prediction for Human-Robot Collaboration
本文比较了三种人体运动预测方法（GMM聚类、TransFusion、Graph-Mixer）在人机协作中的效果，通过预判人体运动来改进机器人规划，提升动态环境的安全与效率。
2026-09-29 cs.RO
Human-Robot Interaction using VAHR: Virtual Assistant, Human, and Robots in the Loop
American University of Beirut（贝鲁特美国大学）；Lebanese American University（黎巴嫩美国大学）
本文提出VAHR系统，通过Alexa实现双向通信以控制多机器人，实验表明其显著降低注意力需求并提升多任务效率，但需提升操作员信任。
2023-03-31 cs.RO
