A transparency-based action model implemented in a robotic physical trainer for improved HRI
Ben-Gurion University of the Negev(内盖夫本-古里安大学)
本文提出双向透明度动作(TBA)模型,使机器人既能向用户提供透明度信息,也能基于用户反馈采取动作,并在老年人实验中验证高透明度水平能显著提升用户接受度与交互体验。
2024-06-16 cs.HC cs.RO
Thermal Feedback for Transparency in Human-Robot Interaction
LMU Munich(慕尼黑大学)
机器人可以帮助人类完成繁琐的任务,并提供社会支持。然而,机器人的决策和行为并不总是清楚的人类互动伙伴。在这项工作中,我们讨论了使用热反馈作为一种额外的方式来创建透明的相互作用的机会。然后,我们提出的情况下,热反馈被纳入到互动,例如,不引人注目地传达机器人的行为。我们强调了基于温度的反馈的局限性和挑战,这可以在未来的研究中探索。
2023-03-16 cs.HC cs.RO
Measuring Transparency in Intelligent Robots
Interdepartmental Center for Advances in Robotic Surgery - ICAROS(机器人外科先进跨部门中心 - ICAROS);University of Naples Federico II(那不勒斯费德里科二世大学);Center for Cognitive Interaction Technology - CITEC(认知交互技术中心 - CITEC);Bielefeld University(比勒费尔德大学)
本文提出首个多语言标准化机器人透明度量表TOROS,通过三阶段实证研究将其构建为包含可解释性、可预测性和不可读性三个维度的26项测量工具,为人机交互研究提供了可比较的基准。
2024-08-29 cs.HC cs.RO
Towards Transparency of TD-RL Robotic Systems with a Human Teacher
University of Naples Federico II(那不勒斯费德里科二世大学);Istituto Italiano di Tecnologia(意大利技术研究院)
对自主和灵活的HRI的高要求意味着在机器人控制中部署机器学习(ML)机制的必要性。事实上,使用ML技术,如强化学习(RL),使得机器人在学习过程中的行为对观察用户不透明。在这项工作中,我们提出了一个情感模型,以提高在人-机器人协作场景的RL任务的透明度。我们提出的架构支持RL算法,其情感模型能够接收人类反馈并根据学习过程表现出情感反应。该模型完全基于时间差(TD)误差。该架构在一个隔离的实验室中进行了测试,设置简单。研究结果强调,通过情感反应显示其内部状态足以使机器人对人类老师透明。人们也更喜欢与反应灵敏的机器人互动,因为它们习惯于通过情感和社交信号来理解自己的意图。
2020-05-12 cs.HC cs.RO
Human-centered transparency of grasping via a robot-assisted minimally invasive surgery system
Ben-Gurion University of the Negev(内盖夫本-古里安大学)
本文研究单侧机器人辅助微创手术(RAMIS)中刚性物体的抓取。我们定义了以人为本的透明度,量化了RAMIS中的自然动作和感知。我们证明了这种以人为中心的透明度分析不同值的夹具缩放-外科医生侧机械手的把握孔径和手术器械抓钳的孔径之间的缩放。31名参与者在三种夹具缩放条件(精细,正常和快速,权衡精度和响应性)中的一种条件下对刚性物体进行了遥控抓取和感知评估。心理物理学分析的变化,最大的把握孔径在admission和报告的大小的对象显示,在正常和快速(但不是在罚款)夹具缩放条件下,遥控抓取与我们的系统是类似的自然把握,因此,以人为中心的透明。我们预计,使用运动控制和心理物理学的人为中心的优化遥操作控制将最终提高RAMIS的可用性。
2018-05-15 cs.HC cs.RO
Privacy Perceptions in Robot-Assisted Well-Being Coaching: Examining the Roles of Information Transparency, User Control, and Proactivity
University of Siegen(西格恩大学);Honda Research Institute Europe GmbH(本田欧洲研究院);Honda Research Institute Japan Co., Ltd.(本田日本公司)
本研究探究信息透明度、用户控制权、机器人主动性对健康辅导场景下用户隐私感知的影响,通过200人线上实验发现用户控制权对隐私合理性感知和信任的提升作用显著,而透明度与主动性无显著影响,为社交机器人隐私设计提供依据。
2025-09-04 cs.HC cs.RO
"Who Should I Believe?": User Interpretation and Decision-Making When a Family Healthcare Robot Contradicts Human Memory
Graduate School in Cybersecurity, Department of Information Technology, Uppsala University(网络安全研究生院,信息科技系,乌普萨拉大学)
本研究探讨家庭医疗保健机器人与用户记忆矛盾时,透明度和社会性如何影响用户解释、决策与信任,发现高透明度促使用户归因于外部干扰,且用户普遍存在过度信任机器人的倾向。
2025-06-26 cs.HC cs.RO
Increasing Transparency of Reinforcement Learning using Shielding for Human Preferences and Explanations
University of Naples Federico II(那不勒斯费德里科二世大学);Institute for High Performance Computing and Networking, CNR(意大利国家研究委员会高性能计算与网络研究所)
本文研究在强化学习中通过屏蔽机制纳入人类偏好并结合解释以提升机器人行为透明度,实验表明该方法能改善可读性、安全性、舒适性和可靠性,为人在环路的机器人应用提供新范式。
2023-11-28 cs.RO
Trust Through Transparency: Explainable Social Navigation for Autonomous Mobile Robots via Vision-Language Models
New York University, Tandon School of Engineering(纽约大学坦登工程学院);General Autonomy Inc.(通用自主公司)
本文提出一种多模态可解释模块,结合视觉语言模型和热图提升自主导航的透明度,通过自然语言总结使机器人感知、分析并表达观察结果,实验表明实时解释能提升用户信任和理解。
2025-04-07 cs.RO
A Computational Multi-Criteria Optimization Approach to Controller Design for Physical Human-Robot Interaction
College of Engineering, Koc University(科奇大学工程学院);RACE UKAEA(英国原子能管理局RACE);Faculty of Engineering and Natural Sciences, Sabanci University(萨班哲大学工程与自然科学学院)
物理人机交互(physical human-robot interaction,pHRI)融合了操作者和机器人在物理交互任务中的优势,旨在提高任务性能。然而,实现安全和透明操作的交互控制器的设计是具有挑战性的,主要是由于这些目标的矛盾性质。知道达到完美的透明度实际上是不可能实现的,允许在这些目标之间更好地折衷的控制器是期望的。在本文中,我们提出了一个多准则优化框架,联合优化的稳定性鲁棒性和透明性的闭环pHRI系统的给定的相互作用控制器。特别是,我们提出了一个帕累托优化框架,允许设计师作出明智的决定,通过彻底研究稳定性鲁棒性和透明度之间的权衡。建议的框架包括搜索的离散控制器参数空间计算的Pareto前曲线和选择的控制器参数,通过研究这个权衡曲线,产生最大的可达到的透明度和稳定性鲁棒性。所提出的框架不仅导致最优控制器的设计,而且还可以在不同的交互控制器之间进行公平的比较。为了证明所提出的方法的实际使用,整数阶和分数阶导纳控制器的研究作为一个案例研究和分析和实验比较。实验结果验证了所提出的设计框架,并表明分数阶导纳控制器下实现的透明性高于整数阶,当两个控制器的设计,以确保相同的稳定性鲁棒性水平。
2020-06-19 cs.HC cs.RO
Improving HRI through robot architecture transparency
CITEC;Bielefeld University(比勒费尔德大学);Honda Research Institute Europe(本田欧洲研究院)
近年来,人们投入了越来越多的努力来提高机器人的能力。然而,人机交互仍然是一个复杂的应用领域,错误频繁发生。这些错误的原因主要可以分为两类。最重要的是,最近能力的提高也扩大了机器人方面可能的错误来源。这不仅会导致对世界的感知出现问题,还会导致基于系统错误的错误行为。除此之外,非专家用户经常对机器人系统的功能和限制有错误的假设。这导致用户的行为和机器人系统的功能之间的不兼容性,导致机器人侧和人机交互中的问题。在工程师不断提高机器人可靠性的同时,用户对机器人及其局限性的理解也必须得到解决。在这项工作中,我们研究如何提高对机器人的理解。为此,我们采用FAMILIAR - FunctionAl用户心智模型,通过增加合法性架构,一个透明的机器人架构,关于机器人的行为和决策过程。我们进行了一个在线模拟用户研究,以评估两种互补的方法来传达和增加有关该架构的知识,以非专家用户:一个动态的可视化系统的过程,以及一个可视化的编程界面。这项研究的结果表明,可视化编程提高了对架构的认识。此外,我们表明,随着对机器人控制体系结构的了解的增加,用户在达到交互目标方面明显更好。此外,我们发现拟人化可能会减少互动的成功。
2021-08-26 cs.RO
Soft Robotic Link with Controllable Transparency for Vision-based Tactile and Proximity Sensing
Japan Advanced Institute of Science and Technology (JAIST)(日本北陆先端科学技术大学院大学(JAIST));Hanoi University of Industry(河内工业大学);Japan Science and Technology Agency(日本科学技术振兴机构)
机器人已经在许多场景中接近人类工作。为了共存和合作,机器人应该是安全和愉快的人类互动。为此,机器人可以是具有多模态感测/感知的物理柔软的,使得机器人可以对周围环境有更好的认识,以及对人类的动作/意图做出适当的响应。介绍了一种基于计算机视觉和功能材料的新型柔性机器人连杆ProTac,该连杆具有触觉和接近传感两种传感模式。这些模态来自软透明硅皮肤、聚合物分散液晶(PDLC)膜和反射标记的分层结构。PDLC薄膜可以在不透明和透明状态之间主动切换,通过使用仅内置在ProTac链路内部的摄像头,可以获得触觉感知和接近传感。在本文中,推理算法的触觉接近感知。两种感知模式的评估结果表明,一个简单的激活策略,ProTac链接可以有效地感知有用的信息,从接近和接触的障碍物。该传感设备有望为具有柔软性、全身和多模态传感以及安全控制策略的机器人设计带来最终解决方案。
2022-11-07 cs.RO
Training Human-Robot Teams by Improving Transparency Through a Virtual Spectator Interface
University of Michigan(密歇根大学);Oakland University(奥克兰大学);U.S. Army DEVCOM Ground Vehicle Systems Center(美国陆军DEVCOM地面车辆系统中心)
针对人机团队行动后回顾(AAR)难以理解机器人意图的问题,提出虚拟观察者界面(VSI)训练工具,通过1×3组间实验发现其虽未显著提升团队表现,但能更有效改善态势感知(SA)。
2025-04-12 cs.AI cs.HC cs.RO
Human Trust-based Feedback Control: Dynamically varying automation transparency to optimize human-machine interactions
School of Mechanical Engineering, Purdue University(普渡大学机械工程学院)
本文提出一个概率框架,通过动态调整自动化透明度来校准人类信任与工作负载,实验表明该反馈控制策略能优化人机团队性能,为实时自适应自动化设计奠定基础。
2020-06-29 cs.HC cs.RO cs.SY
On the Analysis of Stability, Sensitivity and Transparency in Variable Admittance Control for pHRI Enhanced by Virtual Fixtures
本文研究了通过虚拟夹具增强的变量电导控制中稳定性、灵敏度和透明度的问题,通过分析不稳定源并提出参数适应技术以提高透明度。
2025-03-06 cs.RO cs.SY eess.SY
Towards Collaborative Drilling with a Cobot Using Admittance Controller
College of Engineering, Koc University(科克大学工程学院)
在不久的将来,协作机器人(cobots)预计将在制造和自动化领域发挥至关重要的作用。据预测,工人将与协作机器人并肩工作,以超越全自动化工厂。在这方面,物理人机交互(physical human-robot interaction,pHRI)旨在开发合作伙伴之间的自然沟通,为执行复杂的制造任务带来速度,灵活性和人体工程学。在pHRI的一个挑战是设计一个最佳的相互作用控制器,以平衡的透明度和稳定性要求的矛盾性质所引入的限制。在本文中,一般的方法来设计一个导纳控制器的pHRI系统的开发,考虑稳定性和透明度的目标。在我们的方法中,协作机器人约束人类操作员的运动,以帮助pHRI任务,而一个增强现实(AR)接口通知操作员有关其阶段。为此,对协作机器人(LBR IIWA 7 R800,KUKA Inc.)首先介绍。然后,我们的pHRI任务的稳定性和透明性分析,涉及协同钻孔与此机器人的报告。通过叠加稳定性图和透明性图,确定了导纳控制器的允许参数范围。最后,从允许的范围内选择三组不同的参数,并研究了利用这些参数集的导纳控制器对任务性能的影响。
2020-07-28 cs.RO
Movement Information from a Robotic Effector Influences Human Performance During Object Handovers
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。
2026-11-19 cs.HC cs.RO
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
Empirical Investigation of Factors that Influence Human Presence and Agency in Telepresence Robot
The Graduate University for Advance Studies, SOKENDAI(综合研究大学院大学);National Institute of Informatics, NII(国立信息学研究所)
如今,一个社区开始发现需要人类在场的替代方式,有大量的研究和发展,在先进的远程呈现机器人。人们倾向于感觉更接近和更舒适的远程呈现机器人,因为许多人在机器人中感觉到人类的存在。一般来说,许多人从机器人的脸上感受到代理感,但一些没有手臂和身体运动的远程呈现机器人往往会给人一种存在感。重要的是识别和配置远程呈现机器人如何通过包括人脸和轻微的面部和手臂运动来影响人的存在感和代理感。因此,我们通过基于网络的实验进行了广泛的研究,以确定原型,可以导致舒缓的人类与机器人的互动。实验的特点是视频的远程呈现机器人n = 128,2 × 2之间的参与者研究机器人的脸因素:视频会议,机器人一样的脸;手臂运动因素:移动与静态),以调查显着影响人类的存在和代理与机器人的因素。我们使用了两个远程呈现机器人:一个是负担得起的机器人平台,另一个是用于增强人机交互的修改版本。研究结果表明,当机器人的脸被替换为人类的脸并且没有运动时,参与者感觉到更接近人类的代理。机器人的动作唤起了人类存在的感觉,无论面部是人类还是机器人。
2021-05-25 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
Negotiation-based Human-Robot Collaboration via Augmented Reality
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)
有效的人机协作(HRC)需要人类和机器人队友之间的广泛沟通,因为他们的行为可能会产生冲突,协同作用,或两者兼而有之。我们开发了一种新颖的增强现实(AR)界面,以弥合人类和机器人队友之间的沟通差距。在我们的AR接口的基础上,我们为HRC开发了一个AR介导的基于协商的(ARN)框架。我们已经进行了实验,在模拟和真实的机器人在办公室环境中,多个移动机器人的工作交付任务。这些机器人无法独自完成任务,有时需要人类队友的帮助,因此人机合作是必要的。结果表明,与非AR基线方法相比,ARN显着减少了人类-机器人团队的任务完成时间。
2020-03-13 cs.MA cs.RO
Toward Adaptive Trust Calibration for Level 2 Driving Automation
Purdue University(普渡大学);Honda Research Institute USA, Inc.(本田美国研究院有限公司)
本文提出基于 POMDP 的概率框架,在 L2 级驾驶自动化中建模信任与工作负荷的耦合动态,通过实时信念估计自适应调整透明度,实现信任校准。
2020-09-24 cs.HC cs.RO cs.SY
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
Trust Considerations for Explainable Robots: A Human Factors Perspective
Massachusetts Institute of Technology(麻省理工学院)
人工智能(AI)和机器人技术的最新进展引起了人们对AI系统和机器人的关注,人类用户需要能够理解。可解释人工智能(XAI)和可解释机器人文献旨在通过为用户提供有关人工智能和机器人行为的必要信息来增强人类理解和人类-机器人团队绩效。同时,人的因素文献长期以来一直致力于解决有助于人类表现的重要因素,包括人类对自治系统的信任。在本文中,从人的因素的文献,我们讨论了三个重要的信任相关的设计可解释的机器人系统的考虑:信任的基础,信任校准,和信任的特异性。我们进一步详细说明现有的和潜在的机器人系统的基础上提供的解释,可解释的机器人的信任评估指标。
2020-05-12 cs.HC 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
Bridging Teacher Expectations and Robot Learning via Coupling Dynamics
Oakland University(奥克兰大学)
本文提出一种基于耦合动力学的人机教学交互分类量表,应用于相关文献以探究耦合动力学与教师心智模型不匹配对教学有效性及人类感知的影响。
2026-08-26 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
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
Disambiguating Anthropomorphism and Anthropomimesis in Human-Robot Interaction
University of Cambridge(剑桥大学)
本文区分了人机交互中拟人化与拟人模仿的概念,明确两者责任方,为未来研究提供理论基础。
2026-02-10 cs.HC cs.RO
A Framework for Monitoring Human Physiological Response during Human Robot Collaborative Task
Rochester Institute of Technology(罗切斯特理工学院)
本文提出了一种在人机协作任务中监测人体生理反应的框架。该框架突出了与人类和机器人相关的事件标记的生成以及所收集的数据的同步的重要性。该框架使连续的数据汇集在HRC任务时,改变机器人的动作作为一种形式的刺激,以调用人类的生理反应。它还提出了两个案例研究的基础上,这个框架和一个数据可视化工具的代表性和易于分析的HRC实验过程中收集的数据。
2019-07-26 cs.MA cs.RO
Judging by the Look: The Impact of Robot Gaze Strategies on Human Cooperation
University of Hamburg(汉堡大学)
人眼注视在传递信息、传达意图和理解他人的心理状态方面起着重要作用。先前的研究表明,机器人的凝视也会影响人类在互动过程中的决策和策略。然而,有限的研究已经训练人形机器人在基于凝视的数据在人机交互场景。考虑到视线影响社会交流的自然性和改变观察者的决策过程,它应该被视为人机交互中的一个重要组成部分。为了研究机器人凝视对人类的影响,我们提出了一个具体的神经模型来执行类似人类的凝视转移。这是通过扩展社交注意力模型并在观看人类玩游戏时收集的眼动跟踪数据上对其进行训练来实现的。我们将比较人类的行为表现,在机器人采用不同的凝视策略,在人与人的合作游戏的存在。
2022-08-25 cs.HC cs.RO
Web-based Experiment on Human Performance in Dual-Robot Teleoperation
University of Leeds(利兹大学)
在大多数情况下,从单机器人系统升级到多机器人系统伴随着系统有效载荷和任务性能的增加。另一方面,许多开放环境中的多机器人系统仍然依赖于遥操作。因此,人的性能是遥操作多机器人系统的瓶颈。基于这一思想,多机器人系统的共享自主性和控制方法是开放环境下机器人操作的新兴研究领域。然而,问题仍然存在:在多机器人系统中,人类代理的瓶颈对系统性能的影响有多大?本研究试图通过单机器人系统与双机器人系统在推箱子任务中的遥操作性能比较来探讨这一问题。本机器人遥操作实验是利用网路环境模拟机器人的二维运动。实验结果表明,单个人与多个机器人进行遥操作是困难的,这表明了多机器人系统共享自主权的必要性。
2022-12-13 cs.HC cs.RO
Emotional Tandem Robots: How Different Robot Behaviors Affect Human Perception While Controlling a Mobile Robot
University of Konstanz(康斯坦茨大学);University of Lübeck(吕贝克大学)
本研究聚焦领航-跟随场景,探讨小型移动跟随机器人的情感表达运动模式如何影响人类操作员的感知,发现不同情感行为会显著改变操作员的注意力、压力水平及偏好,为未来协同机器人设计提供了重要参考。
2024-03-06 cs.HC cs.RO
Stability and Transparency in Mixed Reality Bilateral Human Teleoperation
本文针对混合现实双边人类遥操作(HT)的稳定性与透明性未知问题,构建数学模型与仿真分析多种控制架构,发现3通道和模型介导遥操作可分别在小时延和大时延下实现稳定透明遥操作。
2024-10-13 cs.HC cs.RO cs.SY
Human Impression of Humanoid Robots Mirroring Social Cues
University of Hamburg(汉堡大学)
本文通过 iCub 与 Pepper、视觉与 IMU 控制的对比实验,揭示机器人平台和控制方式如何影响人们对情感与动作镜像的感知。
2024-01-22 cs.HC cs.RO
Robust Immersive Bilateral Teleoperation of Beyond-Human-Scale Systems with Enhanced Transparency and Sense of Embodiment
Department of Engineering and Natural Science, Tampere University(工程与自然科学系,塔尔基耶大学)
本文提出一种结合VR与分布式触觉反馈的双边遥操作框架,采用无传感器自适应控制器,实现超越人类尺度系统的高透明度和增强具身感,实验验证了高缩放比与延迟下的精确控制。
2026-09-09 cs.RO
Enhancing Human-Robot Collaborative Assembly in Manufacturing Systems Using Large Language Models
Pennsylvania State University(宾夕法尼亚州立大学)
针对制造系统中人机沟通鸿沟限制协作的问题,本研究提出融合大语言模型的人机协作装配框架,通过自然语言语音指令管理任务,案例验证其适配语言变体、高效解决错误的能力,为人机交互提升提供了可行方案。
2024-06-21 cs.HC cs.RO
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
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
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
Why Did the Robot Cross the Road? A User Study of Explanation in Human-Robot Interaction
Georgia Institute of Technology(佐治亚理工学院);H2O.ai
这项工作记录了一项试点用户研究,评估了对比,因果和示例解释在支持人类理解人工智能在一个假设的普通人类机器人交互HRI场景的有效性。在这样做的过程中,这项工作将可解释的AI XAI置于社会科学的背景下,并建议在社会科学的指导下改进HRI解释。
2020-11-30 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
Toward Human-Robot Teaming: Learning Handover Behaviors from 3D Scenes
Centre for Intelligent Sensing, Queen Mary University of London(智能感知中心,伦敦女王玛丽大学);Idiap Research Institute and École Polytechnique Fédérale de Lausanne(IDiap研究机构和日内瓦联邦理工学院)
提出一种仅从RGB图像学习人向机器人交接策略的方法,利用稀疏视图Gaussian Splatting重建场景生成机器人演示,无需真实机器人训练,实现了稳定抓取和防碰撞,促进更无缝鲁棒的人机协作。
2025-08-13 cs.CV cs.HC cs.RO
Motion Planning Combines Psychological Safety and Motion Prediction for a Sense Motive Robot
Shandong University(山东大学)
人的安全是人机交互与协作的最重要需求,不仅指身体安全,还包括心理安全。虽然许多不同配置的机器人已经进入我们的生活和工作环境,但在人机共存场景中,人类安全问题仍然是一个正在研究的问题。本文从人的身体安全和心理安全两个方面论述了人的安全问题。首先,我们介绍了一种自适应机器人速度控制和步长调整方法,根据人类的面部表情,使机器人可以调整其运动,以保持安全时,人类的情绪是异常的。其次,通过检测人体头部姿态和注视方向的突然变化来预测人体的运动,使机器人能够推断出人体的注意力是否分散,预测人体的下一步动作,并重建排斥力以避免潜在的碰撞。最后,我们证明了我们的想法,使用7自由度TIAGo机器人在动态HRIC环境中,这表明,机器人成为感觉动机,并响应人类的行动和情感的变化迅速,有效。
2020-10-23 cs.CV cs.HC cs.RO
Human Activity Recognition for Mobile Robot
The Chinese University of Hong Kong(香港中文大学)
随着包括家用清洁机器人在内的移动机器人在发达国家数量的不断增加,人类活动识别对于协调的人机交互是不可避免的。毋庸置疑,这对机器人来说确实是一项具有挑战性的任务,学习人类活动对于自主移动机器人(AMR)在没有任何指导的情况下在不受控制的环境中导航是有利的。为复杂的人类行为构建正确的分类器是不平凡的,因为简单的行为可以组合起来识别复杂的人类活动。本文利用卷积神经网络训练了一个人体活动识别模型。我们使用Vicon物理动作数据集训练和验证了模型,并在我们生成的数据集(VMCUHK)上测试了模型。我们的实验表明,我们的方法执行高精度,人类活动识别任务的Vicon物理动作数据集和VMCUHK数据集。
2018-01-23 cs.CV cs.HC cs.RO
Sympathy Begins with a Smile, Intelligence Begins with a Word: Use of Multimodal Features in Spoken Human-Robot Interaction
Heriot-Watt University(赫瑞-瓦特大学)
从人类面部表情或语音韵律中识别社会信号是人机交互研究中的一个热门研究课题。在口语对话社区中也有一长串的研究,调查与对话特征相关的用户满意度。然而,很少有研究涉及多模态的社会信号和语言功能的组合,在口语面对面的人机交互过程中检测到的用户感知的机器人。在本文中,我们展示了人类用户的不同情感的面部表情,结合人类语音的韵律特征和人机对话的特征,与用户的机器人的印象后,对话。我们发现,在用户的识别面部表情的幸福感强烈相关的机器人的可爱性,而对话相关的功能(如人类的回合数或每机器人话语的句子数)与感知机器人智能。此外,我们表明,面部表情,情感特征和韵律是更好的预测人类评级相关的感知机器人的可爱性和拟人化,而语言和非语言功能更经常预测感知机器人的智能和可解释性。因此,这些特征将来可以用作基于原位强化学习的自适应人机对话系统的在线奖励信号。
2017-06-08 cs.CL cs.HC cs.RO
Human-Recognizable Robotic Gestures
National University of Singapore(新加坡国立大学);The Chinese University of Hong Kong(香港中文大学)
为了让机器人适应人类的空间和人类的日常活动,机器人应该能够理解来自人类对话伙伴的信息。同样,人类也必须理解机器人传达的信息,包括非语言信息。我们进行了一项基于网络的视频研究,其中参与者对拟人化机器人产生的标志性手势和表情进行了解释。在呈现的15个手势中,我们发现6个机器人手势可以被人类观察者准确识别。这些是点头,鼓掌,拥抱,表达愤怒,走路和飞行。我们从人类和动物行为的文献中回顾了这些手势的意义。最后,我们讨论了这些手势的设计,旨在与人类进行互动的社交机器人的可能影响。
2012-12-26 cs.AI cs.HC cs.RO
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