Investigation of the Sense of Agency in Social Cognition, based on frameworks of Predictive Coding and Active Inference: A simulation study on multimodal imitative interaction
Cognitive Neurorobotics Research Unit（认知神经机器人研究单元）；Okinawa Institute of Science and Technology Graduate University（冲绳科学技术大学院大学）
当代理人以不同的意图进行社会交互时，冲突难以避免。虽然代理人如何能够自主地解决这些问题还没有确定，代理的动态特性可能揭示了潜在的机制。目前的研究集中在代理感（SoA），代理的一个具体方面，指的是一致性之间的代理人的意图和结果。采用预测编码和主动推理的感知和行动生成的理论框架，我们假设，监管复杂性的证据下限代理的模型应该会影响代理的SoA的强度，并应该有一个关键的社会互动的影响。利用变分贝叶斯递归神经网络建立了机器人与人之间通过视觉本体感觉进行模仿交互的计算模型，并利用记录的人体运动数据对该模型进行了伪模仿交互的仿真。该模型的一个关键特征是，每个模态的复杂性可以通过分配给每个模块的超参数进行不同的调节。我们首先寻找一个最佳设置，赋予模型适当的协调多模态感觉。这表明视觉模块的复杂性应该比本体感受模块的复杂性受到更严格的调节。使用最佳训练模型，我们研究了在训练后改变复杂性调节的紧密度如何影响交互过程中SoA的强度。结果表明，随着监管的放松，一个代理人往往会更加自我中心，而不会适应其他代理人。相反，在更严格的监管下，代理人倾向于通过调整其意图来跟随其他人。我们的结论是，复杂性监管的紧密性对SoA的强度和代理之间的相互作用的动态有着至关重要的影响。
2020-08-11 cs.RO
The role of haptic communication in dyadic collaborative object manipulation tasks
Technical University of Munich（慕尼黑工业大学）；Imperial College London（帝国理工学院）；University of Bayreuth（拜罗伊特大学）
直观和有效的物理人机协作依赖于人类和机器人的相互可观察性，即两个实体能够解释彼此的意图和动作。这可以通过无数涉及人类感知或意图解码的方法，以及人类-机器人轮流和顺序任务规划来弥补。然而，物理交互通常通过力、扭矩和触觉建立了丰富的通信渠道，这在人机交互的工业实现中经常被忽视。在这项工作中，我们研究了触觉在人类协作物理任务中的作用，以确定如何在人机团队中集成物理通信。我们提出了一个任务，以平衡球在一个目标位置上的董事会上，无论是由一个参与者bimanually，或dyadically由两个参与者，有和没有触觉信息。该任务要求双方实时相互协调，以使球在目标处保持平衡。我们发现，随着训练的完成时间和球的速度峰值的数量减少，参与者逐渐成为一致的刹车策略。此外，我们发现，触觉信息的存在提高了性能（减少完成时间），并导致整体合作运动的增加。总的来说，我们的研究结果表明，人类可以更好地相互协调时，触觉反馈。这些结果也突出了可能的重要性，触觉通信在人与机器人的物理交互，无论是作为一种工具来推断人类的意图，使机器人的行为解释给人类。
2022-03-02 cs.AI cs.HC cs.RO
Delay-Compensated Stiffness Estimation for Robot-Mediated Dyadic Interaction
Robotics Research Centre, School of Mechanical and Aerospace Engineering, Nanyang Technological University（机器人研究中心，机械与航空航天工程学院，南洋理工大学）；Articares Pte. Ltd.（Articares私人有限公司）
本文提出一种延迟补偿的刚度估计方法，通过代数估计器和归一化加权最小二乘算法，提升远程双人交互中刚度估计的准确性。
2026-01-25 cs.HC cs.RO cs.SY
Social Engagement of Children with Autism during Interaction with a Robot
ENSTA-ParisTech（巴黎高等先进技术学院）
模仿在发展中起着重要作用，是社会认知的前身之一。尽管有些自闭症儿童会自发地模仿，而其他自闭症儿童也能学会模仿，但在绝大多数情况下，模仿的动力会受到影响。现有的文献研究表明，机器人可以用来教自闭症儿童基本的互动技能，如模仿。基于这些发现，在这项研究中，我们调查了自闭症儿童在与模仿机器人（图1）互动时，与运动模仿任务中的人类伙伴相比，是否表现出更多的社会参与。
2020-02-27 cs.HC cs.RO
Towards hybrid primary intersubjectivity: a neural robotics library for human science
Okinawa Institute of Science and Technology Graduate University（冲绳科学技术大学院大学）
人机交互正在成为认知科学的一个有趣的研究领域，特别是对于社会认知的研究。互动理论家认为，初级主体间性是一种非精神主义的、前理论的、非概念性的过程，它为某种程度的沟通和理解奠定了基础，并为更高层次的认知技能提供了支持。我们认为，这种低层次的认知互动，控制是共享的二元遭遇，是容易与神经机器人的研究。因此，在这项工作中，我们追求三个主要目标。首先，从主动推理的概念出发，我们研究了初级主体间性作为一种第二人称视角的经验，其特征是预测性参与，其中感知，认知和行动在二元互动中被解释为一个解释学循环。其次，我们提出了一个开放源码的方法命名为\textit{neural robotics library}（NRL）的实验人机交互，并在实时与虚拟笛卡尔机器人（VCBot）进行交互的演示程序。最后，通过一个研究案例，我们讨论了人-机器人（混合）主体间性可以为人类科学研究做出贡献的一些方式，例如发展心理学，教育技术和认知康复领域。
2020-06-29 cs.HC cs.NE cs.RO
A Survey of Multi-Agent Human-Robot Interaction Systems
University of Waterloo（滑铁卢大学）
本文介绍了人机交互（HRI）领域的文献综述，特别是包含两个以上代理的系统（即，具有多个人和/或多个机器人）。我们确定了三个核心方面的“多代理”HRI系统是有用的，了解这些系统如何不同的二元系统和彼此。这些是团队结构，代理之间的交互方式，以及系统的计算特性。在这些核心方面，我们提出了五个属性的HRI系统，即团队规模，团队组成，交互模式，通信方式，和机器人控制。这些属性用于表征和区分一个系统与另一个系统。我们填充产生的类别与最近的文献中的例子，以及他们的应用程序的简要讨论，并分析这些属性如何不同的情况下，二元人类-机器人系统。我们总结了当前文献中的主要观察结果，并确定了这一领域未来研究的挑战和有前途的领域。为了实现机器人成为社会的一部分并与人类无缝交互的愿景，需要扩展对多人-多机器人系统的研究。这些系统不仅需要几个代理之间的协调，它们还涉及多代理和间接的互动，这是缺乏二元HRI系统。在HRI系统中添加多个代理需要先进的交互方案，行为理解和控制方法，以允许人类和机器人之间的自然交互。此外，在人机混合团队中对人类行为理解的研究也需要更多的关注。这将有助于制定和实施有效的机器人控制策略，在HRI系统中有大量的异构机器人和人类;团队组成反映了许多现实世界的场景。
2022-12-10 cs.RO
Egocentric Robots in a Human-Centric World? Exploring Group-Robot-Interaction in Public Spaces
TH Köln - University of Applied Sciences（科隆应用技术大学）；Cologne Cobots Lab（科隆协作机器人实验室）
本研究探讨了社交机器人在公共空间群组-机器人交互（GRI）中的社交动态，评估二元与三元交互条件对机器人感知外向性的影响，以提升其在现实场景中的交互有效性。
2024-07-25 cs.RO
User, Robot, Deployer: A New Model for Measuring Trust in HRI
The University of Sheffield（谢菲尔德大学）；University of Manchester（曼彻斯特大学）
在人机交互（HRI）中考虑、实现和测量信任的兴趣越来越大。通常情况下，这集中在影响用户信任的框架内的HRI作为机器人和用户之间的二元互动。我们认为这忽略了一个关键的复杂性：机器人的可信度也可能取决于用户与部署机器人的个人或组织的关系以及他们的意见。我们新的HRI三元模型（用户，机器人，部署者），提供了新的预测，更全面地考虑和测量信任。
2021-09-02 cs.HC cs.RO
Active Listener: Continuous Generation of Listener's Head Motion Response in Dyadic Interactions
University of Glasgow（格拉斯哥大学）
本文提出一种基于图的端到端跨模态模型，实时从说话者语音生成倾听者连续头部姿态角，在IEMOCAP上实现4.5度低误差和高帧率，验证了其在人机交互中的可部署性。
2024-09-30 cs.RO cs.SD eess.AS
Exploratory Study: Children's with Autism Awareness of being Imitated by Nao Robot
Babeş-Bolyai University（巴比什-博雅依大学）；Ecole Nationale Superieure de Techniques Avancees (ENSTA-ParisTech)（法国高等先进技术学院（巴黎高等先进技术学院））
本文提出了一个探索性的研究，旨在为自闭症谱系障碍（ASD）的儿童，调查儿童的意识被模仿的机器人在玩/游戏的情况。Nao机器人在二元和三元交互中实时模仿儿童的所有手臂运动行为。不同的行为标准（即，眼睛注视、注视转移、手臂运动的发起和模仿、微笑/大笑）基于交互的视频数据进行分析。结果只证实了部分研究假设。然而，这些结果是有希望的未来方向这项工作。
2020-03-07 cs.RO
ERR@HRI 2.0 Challenge: Multimodal Detection of Errors and Failures in Human-Robot Conversations
Johns Hopkins University（约翰霍普金斯大学）；Microsoft Research（微软研究院）；Cornell University（康奈尔大学）；University of Cambridge（剑桥大学）
该挑战赛提供多模态数据集，旨在通过机器学习模型检测LLM驱动对话机器人在人机交互中的错误，以减少对话中断并提升用户信任。
2025-10-09 cs.AI cs.HC cs.RO
Speech Driven Backchannel Generation using Deep Q-Network for Enhancing Engagement in Human-Robot Interaction
Koç University（科奇大学）；College of Engineering, Koç University（科奇大学工程学院）
我们提出了一种新的方法来训练社会机器人在人机交互过程中产生反向通道。我们在一个非策略强化学习框架内解决了这个问题，并展示了机器人如何学习产生非语言的反向通道，如笑声，当被训练以最大限度地提高用户的参与度和注意力时。这项工作的一个主要贡献是制定的问题作为一个马尔可夫决策过程（MDP）的状态定义的语音活动的用户和量化的参与水平产生的奖励。我们解决的问题属于不可能与环境进行无限制交互的应用程序（我们的环境是人类），因为它可能是耗时的，昂贵的，不切实际的，甚至是危险的，如果执行一个坏的策略。因此，我们在批处理强化学习框架中引入深度Q网络（DQN），其中使用更受控的策略从收集的批处理数据中学习最优策略。我们建议使用人与人的二元交互数据集作为一批轨迹来训练参与交互的代理。我们的实验表明，我们的方法训练的机器人从事行为在离线的方式。
2019-08-05 cs.AI cs.LG cs.RO
Designing Empathetic Companions: Exploring Personality, Emotion, and Trust in Social Robots
University of Genoa（热那亚大学）
本研究提出基于个性模型的认知架构，通过用户实验验证情感生成器，揭示机器人个性特质对信任与愉悦性的影响。
2025-04-17 cs.HC cs.RO
TIP: A Trust Inference and Propagation Model in Multi-Human Multi-Robot Teams
University of Michigan（密歇根大学）
信任已被确定为有效的人机合作的核心因素。现有的文献信任建模主要集中在二元人类自治团队，其中一个人类代理与一个机器人进行交互。有很少，如果不是没有，在由多个人类代理和多个机器人代理组成的团队中的信任建模的研究。为了填补这一研究空白，我们提出了信任推理和传播（TIP）模型的信任建模在多人多机器人团队。我们断言，在一个多人多机器人团队中，存在两种类型的经验，任何人类代理与任何机器人：直接和间接的经验。TIP模型提出了一种新颖的数学框架，可以明确地解释这两种类型的体验。为了评估该模型，我们进行了一项人类受试者实验，有15对参与者（N=30）。每对都用两架无人机执行搜索和探测任务。结果表明，我们的TIP模型成功地捕捉到了潜在的信任动态，并显着优于基线模型。据我们所知，TIP模型是多人多机器人团队中计算信任建模的第一个数学框架。
2023-01-26 cs.HC cs.RO
Responsibility and Engagement -- Evaluating Interactions in Social Robot Navigation
Honda Research Institute Europe GmbH（本田欧洲研究机构）
本文提出责任与参与指标，用于评估社交机器人导航中人机交互中的冲突解决质量与行为前瞻性。
2026-03-05 cs.RO
If You Are Careful, So Am I! How Robot Communicative Motions Can Influence Human Approach in a Joint Task
Italian Institute of Technology（意大利技术研究院）；University of Genoa（热那亚大学）；Instituto Superior Técnico, Universidade de Lisboa（里斯本大学高等技术学院）
作为人类，我们有一种非凡的能力，通过观察另一个人如何携带物品来阅读物品的特征。事实上，我们如何执行我们的行动自然嵌入信息的项目功能。协作机器人可以通过调整其末端执行器用于运输物体的策略来实现相同的能力。从这个意义上说，通过提供一个隐含但有效的沟通渠道，可以促进自发的互动。这项工作调查，如果人类正确地认识到隐含的信息共享的机器人机械手通过其运动在二元协作任务。利用生成方法，我们设计了机器人动作来传达运输对象的虚拟属性，特别是通知合作伙伴是否需要谨慎处理所携带的物品。我们发现，仔细是正确的解释时，通过机器人的动作观察。在实验中，我们使用了相同的空塑料杯;然而，参与者根据机器人表现出的态度而不同地接近它们：人类改变了他们伸手去拿物体的方式，当机器人做同样的事情时，他们会更加小心。这种新出现的运动传染形式完全是自发的，即使任务不需要它，它也会发生。
2022-10-24 cs.RO
Consent Chain Degradation in Embodied Multi-Agent Systems: Bridging the Gap Between AI Agent Governance and Robot Ethics
Artificial Intelligence Institute, TÜBİTAK BİLGEM（人工智能研究所，TÜBİTAK BİLGEM）
本文提出同意链退化（CCD）概念，探讨多机器人委托链中人类同意的具体性、有效性及范围如何退化，并通过医疗、家庭和工业机器人场景展示其实际表现，分析现有法规对CCD核心维度的缺失。
2026-04-17 cs.AI cs.CY cs.MA
Enabling Team of Teams: A Trust Inference and Propagation (TIP) Model in Multi-Human Multi-Robot Teams
University of Michigan（密歇根大学）；Industrial and Operations Engineering（工业与工程学院）
针对多人类多机器人团队信任建模空白，提出TIP模型，融合直接与间接经验，实验证明其优于基线，为首个此类数学框架。
2024-07-15 cs.RO
When Exceptions are the Norm: Exploring the Role of Consent in HRI
Tufts University（塔夫茨大学）
HRI的研究人员在开发机器人架构方面取得了重大进展，这些机器人架构能够读取有限的社交线索，并产生能够增强其在人类中的可爱性和舒适感的行为。然而，这些模型中的线索是相当直接的，相互作用主要是二元的。为了更有力地捕捉互动的规范性品质，我们建议同意作为一个独特的，关键领域的HRI研究。在现有的HRI工作中，围绕触摸，化学，凝视和道德规范等主题，同意的概念揭示了可以塑造机器人在社交空间中行为的关键期望。通过社会和法律原则对各种同意进行分类，我们描述了经验和技术问题，以满足主要应用领域和机器人角色所面临的同意挑战。例如，对同意的关注可以表明，行为人如何证明异常的、违反规范的行为是合理的，并为周围的人所接受。我们认为，将法律奖学金的想法付诸实施可以更好地指导机器人系统如何培养和维持适当的同意形式。
2019-02-04 cs.HC cs.RO
Virtual Physical Coupling of Two Lower-Limb Exoskeletons
Shirley Ryan AbilityLab（雪莉·瑞安能力实验室）；Northwestern University（西北大学）
本研究搭建了可在两台多关节下肢外骨骼间实现虚拟物理耦合的触觉交互系统，验证了其呈现不同触觉属性、连接类型与空间连接的能力，为下肢步态康复中的双人触觉交互运动学习研究提供了平台。
2023-07-20 cs.RO
Human Whole-Body Dynamics Estimation for Enhancing Physical Human-Robot Interaction
Fondazione Istituto Italiano di Tecnologia（意大利技术研究院基金会）；Università di Genova（热那亚大学）
在过去的二十年里，科学界对理解和塑造人类与机器人之间的交互机制表现出极大的兴趣。交互意味着两个二元代理之间的通信，如果交互类型是物理的，则通信由交互期间交换的力的集合表示。在这种情况下，量化这些力量的作用变得至关重要的相互作用机制的理解。在目前的科学阶段，经典机器人是为人类而建造的，但科学需求正在朝着机器人必须与人类合作的方向发展。这将通过向机器人提供它们正在与之交互的代理的足够多的信息（即，人的运动学和动力学模型）。在人类需要机器人帮助的现代，显然是相反的趋势，本文试图回答以下问题：机器人需要人类吗？机器人应该认识他们的人类伙伴吗？这里提供了一个试探性的答案，在一个实时的情况下，同时人体全身运动跟踪和动态估计的新框架的形式。该框架包括一组安装在身体上的传感器和能够估计人体中不可直接测量的物理量的概率算法（即，扭矩和内力）。这篇论文主要集中在检索人体动力学估计的最重要的作用，但直截了当地说，它留下了大门打开下一个发展步骤：通过人体动力学反馈的机器人控制器。这一步将使机器人能够通过生成增强的（有意的）交互来观察和理解人类伙伴。
2019-12-03 cs.RO
The Individual-Targeting Assumption: A Systematic Review of Proactive Robots in Human Group Settings
Department of Information Science at Cornell University（康奈尔大学信息科学系）；School of Education, Louisiana State University（路易斯安那州立大学教育学院）
通过对63项群体环境中主动人机交互研究的系统综述，发现个体目标假设（ITA）普遍存在，群体感知方法滞后，未解决机器人进入预先形成群体的问题，还出现三种失败模式，重新定义主动HRI为独特设计问题，确定进入阶段为关键挑战。
2026-07-14 cs.HC cs.RO
RFM-HRI : A Multimodal Dataset of Medical Robot Failure, User Reaction and Recovery Preferences for Item Retrieval Tasks
Cornell University, Cornell Tech（康奈尔大学，康奈尔科技）
RFM-HRI数据集通过多模态数据研究医疗机器人故障下的用户反应与恢复偏好，揭示故障对情感和控制的影响，并为安全关键场景的故障恢复提供基础。
2026-03-05 cs.HC cs.RO
Towards socially-competent and culturally-adaptive artificial agents Expressive order, interactional disruptions and recovery strategies
本文提出一个框架，通过区分表达秩序与功能秩序、分类互动中断并设计恢复策略，使智能体在多主体社会情境中具备超越个体个性化的文化适应能力，并评估不同架构的适用性。
2023-08-06 cs.AI cs.CY cs.HC
Mixed-Agent Museum Tour Guide Design Improves Gendered Learning Outcomes and Visitor Preferences
University of Michigan（密歇根大学）；Incheon National University（仁川国立大学）
研究博物馆中机器人导游，提出结合实体与虚拟智能体的混合导游系统，经30人受试者内研究验证，发现其提升女性学习表现，各条件下参与度和体验质量一致，且无论性别参与者都更偏好混合智能体团队。
2026-07-17 cs.MA cs.RO cs.SY
