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
The Conversation is the Command: Interacting with Real-World Autonomous Robot Through Natural Language
Montanuniversität(莱奥本矿业大学)
本文提出协同利用LLMs和VLMs,通过自然语言对话实现人与自主机器人的自然交互,在真实环境中达到99.13%的指令识别准确率和97.96%的执行成功率。
2024-01-22 cs.HC cs.RO
Modeling the sense of presence of remote participants in hybrid communication and its application to the design of avatar robot behavior
Graduate School of Engineering, The University of Tokyo(东京大学工学研究生院)
本研究用贝叶斯框架建模混合通信中远程参与者的临场感,结合主动推理框架设计化身机器人的注视行为,实验发现该行为提升临场感但抑制本地参与者发言,证实临场感对发言意愿的重要影响。
2023-05-02 cs.HC cs.RO q-bio.NC
Utilizing Bluetooth Low Energy to recognize proximity, touch and humans
University of Hertfordshire(赫特福德大学)
在人类居住的环境中,与人类互动是移动机器人面临的主要挑战之一。为了实现自适应行为,机器人需要识别触摸手势和/或与交互个体的接近。此外,机器人与两个或两个以上的人类互动通常需要区分他们。然而,这仍然是一项配置和成本密集型任务。在本文中,我们利用廉价的蓝牙低功耗(BLE)设备,并提出了一个简单的和可配置的技术,以提高机器人的能力,与周围的人进行互动。在嘈杂的实验室环境中,移动球形机器人被利用在三个概念验证实验的建议系统架构。首先,我们增强了机器人与周围环境中的个人的邻近信息。其次,我们利用BLE将其用作触摸传感器。最后,我们使用BLE来区分交互的个体。结果表明,观察BLE设备之间的原始接收信号强度(RSS)已经增强了机器人的交互能力,并且可以促进所提供的基础设施以在未来实现自适应行为。我们展示了一个相同的传感器系统可以用来检测不同类型的信息相关的人机交互(HRI)实验。
2019-04-06 cs.HC cs.RO
Explainability via Interactivity? Supporting Nonexperts' Sensemaking of Pretrained CNN by Interacting with Their Daily Surroundings
Honda Research Institute Europe(本田欧洲研究所);David R. Cheriton School of Computer Science, University of Waterloo(滑铁卢大学大卫·R·切里顿计算机科学学院)
目前对可解释AI(XAI)的研究主要针对专家用户(数据科学家或AI开发人员)。然而,越来越多的人认为,让非专家更容易理解人工智能越来越重要,这些人有望利用人工智能技术,但对人工智能的了解有限。我们提出了一个移动应用程序来支持非专家交互式地理解卷积神经网络(CNN);它允许用户通过拍摄周围物体的照片来玩预先训练的CNN。我们使用最新的XAI技术(类激活图)来直观地可视化模型的决策(导致特定结果的最重要图像区域)。这个有趣的学习工具部署在大学课程中,可以支持设计专业的学生生动地了解预训练CNN在现实环境中的能力和局限性。学生的嬉戏探索的具体例子报告,以反映不同的思想深度的意义建构过程的特点。
2021-05-31 cs.AI cs.HC cs.LG
Giving Sense to Inputs: Toward an Accessible Control Framework for Shared Autonomy
Idiap Research Institute(伊迪亚普研究所);EPFL(洛桑联邦理工学院)
提出一种将2D摇杆输入动态映射到6D机器人运动的框架,通过管状曲面轨迹定义控制框架,用户研究表明其降低了工作负荷并提升了可用性,且在轮椅用户的探索性研究中验证了可行性。
2025-01-28 cs.HC cs.RO
Humans prefer interacting with slow, less realistic butterfly simulations
University of Michigan(密歇根大学);Museum of Zoology, University of Michigan(密歇根大学动物博物馆)
本研究通过在线调查探讨了仿生蝴蝶机器人的飞行模式对人类交互意愿的影响,发现人类更偏好低拍打频率和高滑翔比例等缓慢且逼真度较低的飞行参数,建议在设计前利用动画模型和调查简化流程。
2024-04-25 cs.HC cs.RO
An Adaptive Behaviour-Based Strategy for SARs interacting with Older Adults with MCI during a Serious Game Scenario
University of Pisa(比萨大学);ISTI-CNR(意大利国家研究委员会信息科学与技术研究所)
针对重复性认知训练易让轻度认知障碍老年人失去兴趣的问题,提出一种基于强化学习的社交辅助机器人自适应行为策略,可通过言语和非言语交互维持老人在严肃游戏中的参与度,仿真验证了算法收敛性,策略有效性得到初步验证。
2023-05-02 cs.HC cs.RO
A Service Robot's Guide to Interacting with Busy Customers
Faculty of Engineering, Monash University(蒙纳什大学工程学院);CSIRO Robotics(CSIRO机器人研究中心);School of Information Technology, Deakin University(德金大学信息技术学院)
本研究探讨了服务机器人在模拟餐厅场景中通过不同沟通方式与忙碌顾客互动的效果,发现视觉显示在传达意图上效果最佳,而语音在捕捉注意力方面表现突出。
2025-12-19 cs.HC cs.RO
Sense4HRI: A ROS 2 HRI Framework for Physiological Sensor Integration and Synchronized Logging
Medical Assistance Systems, Medical School OWL, Bielefeld University(比勒菲尔德大学医疗援助系统,医学学校OWL)
本文提出Sense4HRI框架,用于在ROS 2中整合生理信号并提供标准化的多模态分析,支持可扩展的生理传感器集成与同步日志记录。
2026-03-20 cs.HC cs.RO
Design of a multimodal device to improve well-being of autistic workers interacting with collaborative robots
Scientific Institute IRCCS Eugenio Medea(IRCCS欧金尼奥·梅代亚科学研究所);National Research Council of Italy(意大利国家研究委员会)
本文介绍面向生产线中ASD工作者的多模态设备(A)MICO,通过可定制声光反馈与五名HFA用户参与的共同设计,提升其与协作机器人交互时的可控性、包容性及幸福感。
2023-04-27 cs.HC cs.RO
The Impact of Virtual Reality and Viewpoints in Body Motion Based Drone Teleoperation
École Polytechnique Fédérale de Lausanne(洛桑联邦理工学院)
远程机器人系统的操作可能是一项具有挑战性的任务,需要直观和高效的界面,以使没有经验的用户能够达到高水平的熟练程度。身体-机器接口(BoMI)代表了标准控制设备(如鼠标)的一种有前途的替代方案,因为它们利用了直观的身体运动和手势。已经表明,使用虚拟现实(VR)和第一人称视角可以增加用户在化身中的存在感。然而,目前还不清楚这些有益的影响是否也发生在显示不同于人类的运动模式的非拟人机器人的遥操作中。在这里,我们描述的非拟人无人机的远程操作的实验结果表明,VR与更高的空间存在感相关,而与机器人一致移动的视点与更高的意义上的实施例。此外,实验结果表明,自发身体运动模式在可变性、幅度和机器人相关性方面受到VR和视点条件的影响,这表明无人机遥操作BoMI的设计必须考虑到虚拟现实的使用和选择。观点。
2021-01-30 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
Data-driven Grip Force Variation in Robot-Human Handovers
KTH Royal Institute of Technology(KTH皇家理工学院)
在我们的社会环境中经常发生交接,这使得协作机器人系统必须掌握交接技能。在这项工作中,我们的目标是调查之间的关系,为人类给予者的握力变化和感测的相互作用力-扭矩在人与人之间的相互作用,利用数据驱动的方法。训练长短期记忆(LSTM)网络以使用交接中的相互作用力-扭矩来提前预测人类抓握力变化。此外,我们建议利用经过训练的网络,使机器人给予人的人一样的抓地力变化。
2023-03-28 cs.HC cs.RO
Modeling and Predicting Trust Dynamics in Human-Robot Teaming: A Bayesian Inference Approach
University of Michigan(密歇根大学);Department of Industrial and Operations Engineering, University of Michigan(密歇根大学工业与运营工程系)
在过去的二十年里,对自动化的信任,或者最近对自主性的信任,受到了广泛的研究关注。大多数先前的文献采用了“快照”的信任的观点,通常通过在实验结束时进行问卷调查来评估信任。然而,这种“快照”观点没有承认信任是一个随时间变化的变量,可以随着时间的推移而加强或衰减。为了填补研究空白,本研究的目的是模型的信任动态时,人类与机器人代理随着时间的推移进行交互。该研究的基本前提是,通过与机器人代理进行交互并观察其随时间的表现,理性的人类代理将相应地更新他/她对机器人代理的信任。在此基础上,提出了一种基于Beta分布的个性化信任预测模型,并利用贝叶斯推理学习模型参数。我们提出的模型坚持三个主要属性的信任动态在以前的实证研究报告。我们使用现有的数据集测试了所提出的方法,该数据集涉及39名人类参与者在模拟监视任务中与4架无人机进行交互。所提出的方法获得了0.072的均方根误差(RMSE),显着优于现有的预测方法。此外,我们确定了三种不同类型的信任动态,贝叶斯决策者,振荡器,和不信者,分别。该预测模型可用于个性化和自适应技术的设计。
2020-10-01 cs.HC cs.RO
Ideas from Developmental Robotics and Embodied AI on the Questions of Ethics in Robots
人工智能和机器人技术的进步目前正在质疑其应用程序处理潜在漂移的道德框架,以及这些算法学习的方式,因为它们将对机器人的行为和机器人的类型产生强烈影响。与人的互动。我们想强调认知神经科学和发展科学的一些原则和想法,这些原则和想法基于身体对智力的重要性,与全脑或全算法理论相反,代表世界并与他人互动,以及它们目前在体现AI和发展机器人中的应用,提出代理,身体代表,对他人意图的识别、预测编码、主动推理、反馈和错误的作用、模仿、人工好奇心和情境学习。我们将解释这些对于自治系统的设计是多么重要,以及它们在系统伦理学方面所能告诉我们的东西。
2018-03-20 cs.HC cs.RO
Remote Surfaces at Your Fingertips: Electrovibration-Based Tactile Feedback for Robot Teleoperation via Touchscreen Interfaces
University of the West of England(西英格兰大学);Bristol Robotics Laboratory(布里斯托机器人实验室);ENSTA, Institut Polytechnique de Paris(巴黎综合理工学院ENSTA);Autonomous Systems and Robotics Lab(自主系统与机器人实验室)
针对遥操作中力反馈不稳定和延迟问题,提出基于电振动的触觉反馈界面,用户研究显示其显著降低响应时间15.35%并提升临场感31%。
2026-09-24 cs.HC cs.RO
On-the-fly Detection of User Engagement Decrease in Spontaneous Human-Robot Interaction, International Journal of Social Robotics, 2019
Telecom ParisTech(巴黎高等电信学院)
在本文中,我们考虑检测的参与度下降的用户自发地与社会辅助机器人在公共空间中进行交互。我们首先描述了UE-HRI数据集,该数据集收集自发的人机交互,遵循情感计算研究社区提供的指南来收集“野外”数据。然后,我们分析了用户的行为,重点是在与机器人交互过程中的表情,凝视,头部运动,面部表情和语音。最后,我们研究了深度学习技术(递归和深度神经网络)的使用,以实时检测用户参与度的下降。这项工作的结果突出,特别是考虑到用户的行为的时间动态的相关性。允许1到2秒作为缓冲延迟提高了对用户参与做出决定的性能。
2020-04-20 cs.HC cs.RO
ARviz -- An Augmented Reality-enabled Visualization Platform for ROS Applications
Monash University(莫纳什大学)
当前的机器人界面,如用于任务可视化和交互的示教器和2D屏幕显示器,在信息流方面往往显得不直观和有限。这会影响任务效率,因为与界面交互可能会分散用户对手头任务的注意力。增强现实(AR)技术提供了在现场创建视觉上丰富的显示和直观的交互元素的能力。近年来,AR显示出实现有效人机交互的潜力。我们介绍ARviz -一个通用的,可扩展的AR可视化平台,为机器人应用程序开发的广泛使用的机器人操作系统(ROS)框架。ARviz旨在提供一个通用的可视化平台,能够在AR中显示任何ROS消息数据类型,以及一个多模式用户界面,用于通过ROS与机器人进行交互。ARviz是一个平台,包含一系列提供可视化和/或交互组件的插件。用户还可以通过实现新的插件来扩展平台,以满足他们的需求。我们提出了三个用例以及两个潜在用例,以展示ARviz平台在人机交互应用中的功能和优势。我们的ARviz平台的开放获取源代码可在https://github.com/hri-group/arviz上获得。
2021-10-29 cs.HC cs.RO
Towards Learning How to Properly Play UNO with the iCub Robot
University of Hamburg(汉堡大学);Istituto Italiano di Tecnologia(意大利技术研究院)
在与另一个人互动时,我们的反应和行为在很大程度上受到互动时间背景下的情绪变化的影响。我们内在的情感评价包括感知、自我评价和具有类似社会经历的情感记忆,这些情感评价将在互动中驱动特定的反应,在大多数情况下,这些反应被视为适当的反应。本文提出了多模态研究的发展路线图,其目的是使机器人能够在人机交互(HRI)场景中提供适当的社会响应。
2019-08-02 cs.AI cs.HC cs.RO
Using Markov Decision Process to Model Deception for Robotic and Interactive Game Applications
The Pennsylvania State University(宾夕法尼亚州立大学);Penn State Harrisburg(宾州州立大学哈里斯堡分校)
本文研究欺骗的背景下,使用模拟移动机器人的运动。我们分析了一些以前设计的欺骗性策略的移动机器人模拟器。然后,我们提出了一种新的方法,自适应地选择面向目标的欺骗性轨迹欺骗人类的多次互动。此外,我们提出了一个新的度量来评估欺骗的数据收集时,从用户与移动机器人模拟器进行交互。我们进行了一个用户研究,以测试我们提出的自适应欺骗算法,这表明,我们的算法欺骗人类,甚至多次互动,它是更有效的欺骗策略比随机选择。
2020-12-22 cs.HC cs.MA cs.RO
Detecting socially interacting groups using f-formation: A survey of taxonomy, methods, datasets, applications, challenges, and future research directions
TCS Research(塔塔咨询服务研究中心);Myanmar Institute of Information Technology(缅甸信息技术学院)
本文综述了基于f-formation的社会交互群体检测研究,提出了一个整体综述框架,涵盖分类法、方法、数据集、应用、挑战及未来方向。
2021-10-13 cs.AI cs.CV cs.HC