Point of View: How Perspective Affects Perceived Robot Sociability
Humanoid Robots Lab, University of Bonn, Germany（波恩大学人形机器人实验室，德国）
本文通过VR用户研究，比较全知视角与第一人称视角对机器人轨迹社交性的感知差异，发现全知视角下社交性高的轨迹在近距离第一人称体验中可能更令人不安，而头部点头等社交信号可提升感知社交性。
2026-08-11 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
Human-Robot Creative Interactions (HRCI): Exploring Creativity in Artificial Agents Using a Story-Telling Game
University of New South Wales（新南威尔士大学）；Auckland University of Technology（奥克兰理工大学）；Monash University（莫纳什大学）；UNSW Canberra（新南威尔士大学堪培拉校区）
本文通过讲故事游戏和2×2实验考察机器人动作对创造能动性归因的影响，改编SSCS并结合Godspeed量表测量，发现动作显著影响生命感、可爱度与感知安全性。
2022-02-08 cs.HC cs.RO
Deployment and Evaluation of a Flexible Human-Robot Collaboration Model Based on AND/OR Graphs in a Manufacturing Environment
University of Genoa（热那亚大学）
工业4.0范式承诺在制造环境中缩短开发时间，提高工效学，提高灵活性和资源效率。协作机器人是实现这种模式的重要有形技术。有效地将协作机器人部署到制造业的一个主要瓶颈是开发任务规划算法，使它们能够识别并自然适应变化甚至不可预测的人类行为，同时确保生产周期时间方面的整体效率。在这种情况下，一个架构，包括任务表示，任务规划，传感和机器人控制的设计，开发和评估在一个真实的工业环境。研究了一个需要人与机器人协作的取放机器人任务。该体系结构使用AND/OR图在线表示和推理人机协作模型。此外，客观措施的整体计算性能和主观措施的自然人与机器人协作进行了评估，通过实验与生产线操作员。这项用户研究的结果展示了我们提出的人机协作模型如何利用工作场所操作员的灵活性和舒适性。在这方面，对最近的模式进行了广泛的比较研究。
2020-07-13 cs.AI cs.HC cs.RO
Human-Robot Interaction and Perceived Irrationality: A Study of Trust Dynamics and Error Acknowledgment
University of Nevada Reno（内华达大学里诺分校）
本研究通过四阶段调查，发现机器人承认错误能显著提升人类信任与推荐意愿，为人机交互中设计更透明可信的机器人系统提供了实证依据。
2026-09-09 cs.HC cs.RO cs.SE
MAD-TN: A Tool for Measuring Fluency in Human-Robot Collaboration
Harvey Mudd College（哈维穆德学院）；Olin College of Engineering（欧林工程学院）
流畅性是人机交互（HRI）中的一个重要指标，它描述了人类和机器人在任务上协作的协调性。流畅性与任务的时间有着内在的联系，这使得时间约束网络成为建模和测量流畅性的一种很有前途的方法。我们表明，多智能体菊花时序网络（MAD-TN）制定，扩展了菊花结构网络的现有概念，既是一个有效的人机协作模型和一个自然的方式来衡量现有的流畅性指标。MAD-TN模型强调了我们假设与人类队友对流畅性的感知密切相关的新指标。
2020-02-14 cs.AI cs.HC cs.RO
Safe Spot: Perceived safety of dominant and submissive appearances of quadruped robots in human-robot interactions
Delft University of Technology（代尔夫特理工大学）；Politecnico di Torino（都灵理工大学）
本研究针对四足机器人社会感知不足的问题，为Boston Dynamics Spot设计主导与服从两种行为人格，通过2×2被试内实验测试两种行走场景下的感知差异，发现服从型机器人感知安全性更高，为非人形机器人社交设计提供参考。
2024-03-08 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
Affective and Conversational Predictors of Re-Engagement in Human-Robot Interactions -- A Student-Centered Study with A Humanoid Social Robot
本研究发现，机器人对话的有趣性和自然性是影响用户重新参与的主要因素，而非情感特征。
2026-02-09 cs.AI cs.HC cs.RO
A Learning Based Optimal Human Robot Collaboration with Linear Temporal Logic Constraints
New Mexico State University（新墨西哥州立大学）；University of Notre Dame（圣母大学）
研究了具有持久任务的人-机器人系统机器人系统中人-机器人协作的最优任务分配问题。这种人类机器人系统由人类操作员和智能机器人组成，它们相互协作以完成任何一方都无法单独完成的复杂任务。该系统的目标是最大限度地成功执行持久性任务的概率，制定为线性时序逻辑规范和最小化的平均成本之间的连续访问的一个特定的命题。本文提出了一个框架下的多个马尔可夫决策过程（MDP）的组成与可能未知的转移概率，它表征了人类的认知状态，如人类的信任和疲劳，随机变化的机器人的性能模型的人类机器人协作。在未知的MDP模型下，提出了一种学习MDP模型的算法，以获得最优的任务分配策略，使每个任务周期的期望平均成本最小，满足线性时序逻辑约束的概率最大.此外，本文表明，最优策略的基础上学习的模型和基础上的地面真值模型的基础上的差异可以有界的任意小的常数和大的置信水平与足够的样本。装配过程的案例研究表明，我们提出的基于学习的人类机器人协作的有效性和好处。
2017-05-31 cs.AI cs.HC cs.RO
Media Framing Moderates Risk-Benefit Perceptions and Value Tradeoffs in Human-Robot Collaboration
RWTH Aachen University（亚琛工业大学）
本研究探讨了媒体框架如何调节人类-机器人协作中风险与收益的感知及价值权衡，发现积极框架支持加性评价，而消极框架产生更强但相互依赖的效果。
2026-02-13 cs.HC cs.RO
Intuitive and Efficient Human-robot Collaboration via Real-time Approximate Bayesian Inference
Intel Labs（英特尔研究院）
协作机器人和端到端人工智能的结合，有望实现工厂和仓库中人工任务的灵活自动化。然而，这样的承诺似乎还需要一些突破。与此同时，人类和协作机器人将相互合作，互相帮助。为了使这些合作有效和安全，机器人需要建模，预测和利用人类的意图，以进行响应性决策过程。近似贝叶斯计算（ABC）是一种对不确定量进行概率预测的综合分析方法。ABC方便地包括先验知识，利用采样算法进行推理，并且可以灵活地从复杂的模型中受益，例如通过模拟器。然而，已知ABC在计算上太密集而不能以有效的人机协作任务所需的交互式帧速率运行。在本文中，我们制定了人类达到意图预测作为ABC问题，并描述了两个关键的性能创新，使计算在互动率。我们的现实世界的实验与协作机器人设置，证明了我们所提出的方法的可行性。实验评估传达的优势和价值的人类意图预测包装合作任务。定性结果表明，如何预测人类的达到意图，提高人类与机器人的协作，而不影响安全。定量的任务流畅性指标证实了定性的要求。
2022-05-17 cs.AI cs.HC cs.RO
Gender and Robots: A Literature Review
Carnegie Mellon University（卡内基梅隆大学）
在这里，我问我们可以了解性别如何影响人们与机器人的互动。我回顾了2018年或更早发表的46项关于社交机器人的实证研究，这些研究报告了参与者的性别或机器人的感知或预期性别，或两者兼而有之，并对参与者或机器人性别进行了一些分析。从这些研究中，我发现机器人默认被认为是男性，机器人吸收了人类的性别刻板印象，男性比女性更倾向于与机器人接触。我强调了一些悬而未决的问题，即这种性别效应在年轻参与者中可能会有什么不同，以及是否应该寻求将机器人的性别与参与者的性别相匹配，以确保积极的互动结果。最后，我建议未来的研究应该：包括性别多样的参与者池，包括非二元参与者，依靠自我识别识别性别，而不是研究人员的看法，控制已知的性别协变量，测试不同的研究结果与性别，并测试所使用的机器人是否被认为是性别的参与者。我包括一个附录与性别相关的研究结果的叙述性总结，从每一个46篇论文，以帮助在未来的文献综述。
2022-06-30 cs.HC cs.RO
Understanding Entrainment in Human Groups: Optimising Human-Robot Collaboration from Lessons Learned during Human-Human Collaboration
University of Nottingham（诺丁汉大学）；Massachusetts Institute of Technology（麻省理工学院）；Cornell University（康奈尔大学）
本文通过混合方法研究双人和三人快节奏重复任务中的夹带特征，提出五项成功夹带特征与三项人机协作设计考量。
2024-02-23 cs.AI cs.HC cs.RO
Adapting Robot's Explanation for Failures Based on Observed Human Behavior in Human-Robot Collaboration
KTH Royal Institute of Technology（皇家理工学院）；Lancaster University（兰卡斯特大学）
本研究通过解读人机协作中人类行为预测用户困惑，构建数据驱动预测器预测困惑，并提出基于该预测器调整机器人故障解释详细程度的机制，以提升协作自然性与效率。
2025-04-13 cs.AI cs.HC cs.RO
The Perceived Danger (PD) Scale: Development and Validation
George Mason University（乔治梅森大学）；Naval Research Laboratory（海军研究实验室）；NRC（国家研究委员会）；Arcfield（阿克菲尔德）；Artificial Intelligence Center（人工智能中心）
本研究开发并验证了感知危险量表，通过四项研究确认其双因子结构和四个子维度，并证明其在预测人机交互中的感知安全与危险方面优于现有量表。
2025-01-23 cs.RO
Enabling Basic Normative HRI in a Cognitive Robotic Architecture
Tufts University（塔夫茨大学）
人类协作活动以社会和道德规范为基础，人类有意识和无意识地使用这些规范来指导和约束他们的决策和行为，从而加强他们的互动，防止情感和身体伤害。这种类型的基于范数的处理对于许多人机交互场景中的机器人也是至关重要的（例如，在辅助生活设施中帮助老年人和残疾人，或在工厂甚至空间站中帮助人类完成装配任务时）。在本立场文件中，我们将简要描述如何使用集成认知架构中的几个组件来实现规范的人机交互所需的过程，特别是在协作任务中，行动和情况可能被视为威胁，因此需要改变行动过程以减轻感知到的威胁。
2016-02-11 cs.AI cs.HC cs.RO
Crafting with a Robot Assistant: Use Social Cues to Inform Adaptive Handovers in Human-Robot Collaboration
Monash University（莫纳什大学）；Deakin University（迪肯大学）
本研究在自然手工制作场景中探讨人机交接，通过20名参与者的Wizard-of-Oz实验收集数据并构建FACT HRC数据集，揭示社交线索与任务上下文如何指导交接的时空协调及其对人类活动的影响。
2023-04-05 cs.HC cs.RO
Not Forgotten: Implementation and Evaluation of a Personalized Episodic Memory for the Humanoid Robot Head Kim
Stuttgart Media University（斯图加特媒体大学）；University of Lübeck（吕贝克大学）
研究针对社交机器人跨会话无记忆问题，提出在人形机器人头部Kim上集成轻量级情景记忆模块，结合语义检索与对话系统，用混合评分函数检索交互并注入提示，实验表明该模块提升社交性且未引发负面反应。
2026-07-28 cs.AI cs.HC cs.RO
Impact of Different Failures on a Robot's Perceived Reliability
Department of Computer Science, Cornell University（卡内基梅隆大学计算机科学系）；Toyota Research Institute (TRI)（丰田研究机构）；Sibley School of Mechanical and Aerospace Engineering, Cornell University（卡内基梅隆大学机械与航空航天工程学院）
本研究探讨不同故障类型对机器人感知可靠性的影响，发现错误对可靠性损害较小，而后续成功可恢复可靠性。
2026-03-09 cs.RO
Exploring Consequential Robot Sound: Should We Make Robots Quiet and Kawaii-et?
Collaborative Robotics and Intelligent Systems (CoRIS) Institute, Oregon State University（俄勒冈州立大学协作机器人与智能系统研究所）；School of Psychological Science, Oregon State University（俄勒冈州立大学心理科学学院）
所有的机器人都会产生相应的声音--机器人的机制产生的声音--但很少有研究探讨声音如何影响人机互动。最近的研究表明，不同机器人机制的声音会影响感知能力，信任，人性化和不适。然而，负责这些感知的物理声音特性尚未明确确定。在本文中，我们的目标是探索机器人声音的关键特征，可能会影响感知。我们过去的一项试点研究表明，安静和高音的机器人可能被认为更有能力，更不令人不安。为了更好地理解这些属性的变化如何影响感知，我们在本文提出的四项新研究中对两组工业机器人手臂视频进行了音频操作。结果证实，安静的机器人被认为不那么令人不安。此外，高音机器人被认为更有活力，快乐，温暖和有能力。尽管机器人的工业用途和外观，参与者似乎更喜欢更“可爱”（或“卡哇伊”）的声音配置文件，这可能会对设计更可接受和更令人满意的声音配置文件与实际的协作机器人进行人机交互产生影响。
2021-04-05 cs.RO
The Influence of Facial Features on the Perceived Trustworthiness of a Social Robot
University of Sheffield（谢菲尔德大学）；School of Computer Science（计算机科学学院）
本文研究社交机器人面部特征对感知可信度的影响，通过操纵Furhat机器人面部证实眼睛形状和大小显著影响信任感知，为优化人机交互的机器人设计提供了依据。
2025-09-17 cs.RO
Enhancing the LLM-Based Robot Manipulation Through Human-Robot Collaboration
Nagoya University（名古屋大学）；The University of Tokyo（东京大学）；National Center for Geriatrics and Gerontology（国立长寿医疗研究中心）
本文提出结合GPT-4高层指令分解、YOLO视觉感知及遥操作与DMP的人机协作方法，使基于LLM的机器人能够通过人类指导高效完成复杂操作任务。
2024-07-01 cs.AI cs.HC cs.RO
The Effect of Robot Skill Level and Communication in Rapid, Proximate Human-Robot Collaboration
Georgia Institute of Technology（佐治亚理工学院）
本研究提出人机双打乒乓球测试平台，通过用户实验探讨机器人技能与通信对敏捷近距离人机协作中信任、安全及团队表现的影响，发现技能提升显著增加信任，而机器人发声意图反而降低表现与安全感。
2023-04-07 cs.RO
Improving Human-Robot Collaboration via Computational Design
George Mason University（乔治梅森大学）
当机器人进入我们的日常生活时，人类和机器人周围的共享空间对于有效的人机协作至关重要。共享空间的设计应满足人类的偏好和机器人的效率。本作品以厨房设计为例，说明良好的空间设计在促进这种合作中的重要性。给定厨房边界、柜台和食谱，该方法计算出符合厨房设计规则要求的柜台的最佳放置，并提高人机协作。关键的技术挑战是优化方法通常评估数千个设计，并且作为评估函数的一部分的运动规划的计算成本昂贵。我们使用一个分散的运动规划器，可以有效地解决多智能体运动规划。我们的研究结果表明，优化的厨房设计可以提供显着的性能改善人机协作。
2023-03-20 cs.AI cs.GR cs.RO
Getting to Know One Another: Calibrating Intent, Capabilities and Trust for Human-Robot Collaboration
National University of Singapore（新加坡国立大学）
共同的经验表明，相互了解的代理人能够更好地合作。在这项工作中，我们解决了人机协作中校准意图和能力的问题。特别是，我们专注于机器人试图帮助无法直接传达其意图的人类的场景。此外，两个代理可能具有彼此未知的不同能力。我们采用了决策理论的方法，并提出了TICC-POMDP建模这种设置，与相关的在线求解器。实验表明，我们的方法导致更好的团队表现，无论是在模拟和现实世界的研究与人类受试者。
2020-08-03 cs.AI cs.HC cs.MA
Robust Robot Planning for Human-Robot Collaboration
Université de Lorraine（洛林大学）；INRIA（法国国家信息与自动化研究所）；CNRS（法国国家科学研究中心）；Université de Toulouse（图卢兹大学）
在人机协作中，人的目标往往是未知的机器人。此外，即使假设一个已知的目标，人的行为也是不确定的。为了规划一个强大的机器人行为，一个关键的初步问题是：如何获得现实的人类行为给定一个已知的目标？一个主要的问题是，这样的人类行为本身应该解释机器人的行为，否则合作就不会发生。在本文中，我们依靠马尔可夫决策模型，表示人类目标的不确定性作为一个概率分布在一组有限的目标函数（诱导分布在人类行为）。在此基础上，我们提出了两个贡献：1）一种方法来自动生成一个不确定的人类行为（政策）为每个给定的目标函数，同时考虑可能的机器人行为;和2）机器人规划算法，是强大的上述不确定性，并依赖于解决部分可观察的马尔可夫决策过程（POMDP）通过推理人类行为的分布。一个共同工作的场景允许进行实验，并提出定性和定量的结果来评估我们的方法。
2023-02-27 cs.AI cs.RO
CoHRT: A Collaboration System for Human-Robot Teamwork
School of Engineering and Applied Science, University of Virginia（弗吉尼亚大学工程与应用科学学院）
本文提出CoHRT系统，通过服务器-客户端架构、视觉跟踪和动作协调界面，支持多人机团队无缝协作与多模态数据记录，以研究协作策略对团队绩效的影响并开发机器人自适应策略。
2024-10-11 cs.HC cs.RO
Visual Attention Based Cognitive Human-Robot Collaboration for Pedicle Screw Placement in Robot-Assisted Orthopedic Surgery
Tsinghua University（清华大学）；Harbin Institute of Technology（哈尔滨工业大学）；Midea Corporate Research Center（美的集团企业研究中心）；Midea Group（美的集团）
针对骨科椎弓根螺钉置入仍需人工操作且自动化风险高的问题，本文提出融合AR触觉界面、视觉注意外科医生模型和共享交互控制的认知型人机协作框架，实验证明其在安全性与人机工程学上优于全机器人或全人工控制。
2025-01-31 cs.HC cs.RO
Implicit Communication of Contextual Information in Human-Robot Collaboration
University of Melbourne（墨尔本大学）
针对人机协作中机器人难以恰当使用隐式通信的问题，通过探索语言隐含意义影响、分析机器人隐式线索对团队的作用及适应性、设计多LLM机器人系统，以提升机器人自然通信能力并促进其融入日常协作。
2025-02-09 cs.HC cs.RO
Toward Mutual Trust Modeling in Human-Robot Collaboration
Simulation science center Clausthal-Göttingen, TU Clausthal（克劳斯塔尔-哥廷根仿真科学中心，克劳斯塔尔工业大学）；Institute for software and system engineering, TU Clausthal（克劳斯塔尔工业大学软件与系统工程研究所）；Department of informatics, TU Clausthal（克劳斯塔尔工业大学信息学系）
最近的智能系统革命使机器人和自主系统能够与人类一起工作，与他们合作并在许多领域支持他们。不可否认的是，如果设计得当，这种互动可以为人类带来巨大的好处。然而，与人类的合作需要高水平的认知和社交能力，以获得人类的认可。在全人类团队中，相互信任是成功协作的引擎。这也适用于人机协作。对这种互动的信任控制了过度依赖和依赖不足。它还可以降低一些风险。因此，适当的信任水平对于这种新形式的团队合作至关重要。这一领域的大多数研究都着眼于人类对机器的信任，忽视了协作伙伴之间的相互信任。在本文中，我们提出了一个信任模型，该模型结合了这种相互性，实时捕获人类和机器人的信任级别，以便机器人可以基于此进行操作，从而实现更平滑，更自然的交互。这增加了人类的自主性，因为人类不需要一直监视机器人的行为。
2020-11-02 cs.HC cs.RO
Alternative Interfaces for Human-initiated Natural Language Communication and Robot-initiated Haptic Feedback: Towards Better Situational Awareness in Human-Robot Collaboration
CSIRO Data61（澳大利亚联邦科学与工业研究组织数据61）；Monash University（莫纳什大学）
针对人机协作中的态势感知需求，本文实现并初步测试了面向Spot机器人的自然语言语音接口与机器人发起的触觉反馈接口。
2024-01-25 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
Integrating Perceptions: A Human-Centered Physical Safety Model for Human-Robot Interaction
School of Computing, University of Georgia（计算机学院，佐治亚大学）
本文提出一种整合个性化参数ρ的人机交互物理安全模型，通过模拟救援实验证明机器人行为一致性和积极情绪可提升感知安全，并支持基于用户类型的自适应个性化。
2025-07-09 cs.HC cs.RO
Safe Multimodal Communication in Human-Robot Collaboration
University of Modena and Reggio Emilia（摩德纳与雷焦艾米利亚大学）
针对人机近距离协作的通信与安全需求，提出融合语音和手势指令、带安全层的多通道通信框架，经对比实验验证可有效提取任务信息并通过调速保障操作员安全。
2023-08-07 cs.AI cs.RO
Trust as Extended Control: Active Inference and User Feedback During Human-Robot Collaboration
Massachusetts Institute of Technology（麻省理工学院）；Bar Ilan University（巴伊兰大学）；University of Sussex（苏塞克斯大学）；University College London（伦敦大学学院）
为了与机器人进行无缝交互，用户必须推断出机器人行为的原因，并对这种推断充满信心。因此，信任是人机协作（HRC）的必要条件。尽管它的关键作用，它在很大程度上是未知的如何产生，发展，并支持人类与非人类人工制品的互动。在这里，我们回顾了有关信任，人机交互，人机协作和人机交互的文献。早期的信任模型认为，信任需要在仁慈和能力之间进行权衡，而人与人之间的互动研究则强调共享行为和相互知识在逐步建立信任中的作用。然后，我们引入了一个模型的信任代理的最好的解释可靠的感官交流与扩展电机厂或合作伙伴。这个模型是基于认知神经科学的主动推理，并建议，在HRC的上下文中，信任可以铸造在虚拟控制人工代理。在这种情况下，交互式反馈成为委托人感知-行动循环的必要组成部分。由此产生的模型具有重要的意义，理解人机交互和协作，因为它允许传统的人类信任的决定因素来定义的主动推理，信息交换和授权。此外，这个模型表明，无聊和惊讶可以作为标记的不足和过度依赖的系统。最后，我们研究了共享行为在信任起源中的作用，特别是在二元协作的背景下，这对人机协作系统的可接受性和设计产生了重要影响。
2021-04-22 cs.AI cs.CY cs.HC
Read the Room: Adapting a Robot's Voice to Ambient and Social Contexts
School of Computing Science, Simon Fraser University（计算科学学院，西蒙弗雷泽大学）
研究提出通过虚拟环境数据收集、人类语音聚类和重建场景测试三步法，为Pepper机器人在不同环境选择适宜语音风格，N=120名参与者的实验证明该选择显著影响机器人的社交适宜性、舒适度、觉察力、类人性和能力等感知智能。
2023-09-21 cs.AI cs.RO
Co-GAIL: Learning Diverse Strategies for Human-Robot Collaboration
Stanford University（斯坦福大学）
Co-GAIL通过协同优化人类策略与机器人策略，从人人协作演示中学习多样化且鲁棒的人机协作策略，并在多个任务中优于现有方法。
2023-09-20 cs.AI cs.RO
"See You Later, Alligator": Impacts of Robot Small Talk on Task, Rapport, and Interaction Dynamics in Human-Robot Collaboration
Johns Hopkins University（约翰斯·霍普金斯大学）
本研究通过用户实验发现，机器人主动闲聊能显著提升人机协作中的融洽关系，但会延长任务时间，为社交机器人设计提供了实证依据。
2025-01-22 cs.HC cs.RO
Natural Language for Human-Robot Collaboration: Problems Beyond Language Grounding
Khoury College of Computer Sciences, Northeastern University（东北大学库里计算机科学学院）
为了使机器人能够指导人类进行协作，我们确定了语言处理的几个方面，这些方面在这种情况下并不常见。这些包括位置，规划和生成。我们建议对每项任务进行评估，为简单的方法提供基线，并通过讨论学习语言合作的挑战和机遇来结束。
2021-10-09 cs.AI cs.CL cs.RO
Fast Adaptation with Meta-Reinforcement Learning for Trust Modelling in Human-Robot Interaction
Uppsala University（乌普萨拉大学）；KTH Royal Institute of Technology（KTH皇家理工学院）
在社会辅助机器人中，一个重要的研究领域是适应技术的发展及其对人机交互的影响。我们提出了一个基于元学习的策略梯度方法，用于解决人与机器人交互中的适应问题，并研究其作为信任建模机制的作用。通过在混合现实中与机器人建立一个逃生室场景，我们测试了我们的假设，即双向信任可以受到不同的适应算法的影响。我们发现，我们提出的模型增加了机器人的感知可信度，并影响了获得人类信任的动态。此外，参与者评价说，机器人认为他们更值得信赖的互动过程中与元学习为基础的适应相比，以前研究的统计适应模型。
2019-08-12 cs.HC cs.LG cs.RO
LLM-Based Human-Robot Collaboration Framework for Manipulation Tasks
Nagoya University（名古屋大学）；National Center for Geriatrics and Gerontology（国立长寿医疗研究中心）
本文提出一种基于LLM的人机协作框架，利用LLM将语言命令转为运动序列，结合YOLO感知与遥操作及DMP纠正，提升机器人操作决策的准确性与泛化能力。
2023-08-29 cs.AI cs.RO
"Do it my way!": Impact of Customizations on Trust perceptions in Human-Robot Collaboration
Institute for Software Research Carnegie Mellon University（卡内基梅隆大学软件研究所）；Robotics Institute Carnegie Mellon University（卡内基梅隆大学机器人研究所）
本文通过受试者内实验（N=17）研究辅助机器人定制化程度对信任的影响，发现定制化程度越高，用户的信任感和舒适感越强，为设计可信赖且可定制的辅助机器人提供了依据。
2023-10-28 cs.AI cs.HC cs.RO
On the Design of Human-Robot Collaboration Gestures
University of Bristol（布里斯托大学）；Loughborough University（拉夫堡大学）；Cranfield University（克兰菲尔德大学）
本文调研并整合分散于文献中的HRC手势设计原则与评估方法，指出手势设计研究空白，并提出未来方向。
2024-02-29 cs.HC cs.RO
Socially Assistive Robots as Decision Makers in the Wild: Insights from a Participatory Design Workshop
Tampere University（坦佩雷大学）
本文通过5场工作坊、30名参与者的参与式设计研究，探讨社交辅助机器人在野外环境中的决策场景，并提出5个有助于设计其决策系统的方向。
2023-04-18 cs.HC cs.RO
DTRT: Enhancing Human Intent Estimation and Role Allocation for Physical Human-Robot Collaboration
CAS Engineering Laboratory for Intelligent Industrial Vision, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所CAS工程视觉实验室）；School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
针对物理人机协作中意图估计与角色分配不足的问题，提出基于双Transformer的分层架构DTRT，融合人类运动与力数据，利用CVAE和微分博弈实现准确预测与动态调整，实验验证其优越性。
2025-05-26 cs.AI cs.RO
CHORUS: Decentralized Multi-Embodiment Collaboration with One VLA Policy
Stanford University（斯坦福大学）
提出CHORUS框架，利用预训练视觉-语言-动作模型的视觉运动先验，实现无需推理时通信的去中心化多机器人协作，在真实实验中显著优于基线。
2026-06-11 cs.AI cs.RO
Impact of Cognitive Load on Human Trust in Hybrid Human-Robot Collaboration
Harbin Institute of Technology（哈尔滨工业大学）；Northeast Forestry University（东北林业大学）；Nanjing University of Information Science & Technology（南京信息工程大学）
本研究通过混合人机协作搭塔实验，揭示认知负荷对人类信任的多样化影响，发现高认知负荷下信任增加且绩效奖励更高，为优化协作目标选择和人机界面设计提供依据。
2024-12-30 cs.HC cs.RO
State-of-the-art in Robot Learning for Multi-Robot Collaboration: A Comprehensive Survey
Texas A&M University（德克萨斯农工大学）
本文综述了多机器人协作背景下机器人学习的最新进展，回顾了受人类和动物启发的常用学习方法及其优缺点与技术挑战，并利用统计方法定量验证观点，探讨了未来与实际应用融合的潜在趋势。
2024-08-03 cs.AI cs.RO
Designing Robot Identity: The Role of Voice, Clothing, and Task on Robot Gender Perception
University of Southern California（南加州大学）
本研究通过三项基于视频的实验，探讨了声音和服装对机器人性别感知的独立及组合影响，发现两者均可可靠建立机器人的感知性别，为机器人性别设计提供了参考。
2024-12-19 cs.RO
PACT: Proactive Asking for Continual Task Assistance in Human-Robot Collaboration
University of Science and Technology Beijing（北京科技大学）；University of Oxford（牛津大学）；Tsinghua University（清华大学）
提出PACT框架，通过强化学习在部分观测下决定何时主动询问用户以澄清任务，从而在跨日人机协作中逐步提高辅助准确性和澄清效用。
2026-05-23 cs.HC cs.RO
PPTP: Performance-Guided Physiological Signal-Based Trust Prediction in Human-Robot Collaboration
针对人机协作中的信任预测问题，提出PPTP框架，融合ECG、GSR和EMG生理信号与协作性能评估，在三级别和七级别信任分类中分别达到81%和74.3%的准确率，优于基线方法。
2025-06-20 cs.HC cs.RO
A Modular Framework for Flexible Planning in Human-Robot Collaboration
Italian Institute of Technology（意大利技术研究院）
本文提出一个模块化人机协作框架，利用层次任务网络规划和多感官感知流水线，通过原语建模双智能体协作任务，并在Baxter机器人组装家具实验中验证其可扩展性。
2024-06-07 cs.HC cs.RO
Digital Twins for Human-Robot Collaboration: A Future Perspective
University of Genoa（热那亚大学）
本文综述了数字孪生在人机协作领域的最新进展，论证了其对提升系统效率效能的关键作用，展望了未来发展方向并分析了集成的优势与挑战。
2023-11-04 cs.RO
