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
Use of Winsome Robots for Understanding Human Feedback (UWU)
Georgia Institute of Technology（佐治亚理工学院）
本文通过用户实验研究机器人可爱程度对人类反馈偏差的影响，并提出一种自适应随机版TAMER方法，以缓解正面反馈偏差对强化学习效果的不利影响。
2025-02-07 cs.HC cs.RO
Semantic Haptic Feedback Enhances Dexterous Robotic Teleoperation
本研究提出语义力反馈用于机器人遥操作，通过抽象触觉模式传递机器人状态信息，经实验验证其在双臂任务中性能优于感官触觉与视觉反馈，可降低工作负荷并提升态势感知。
2026-08-05 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
Improving Human-Robot Teaching by Quantifying and Reducing Mental Model Mismatch
Bielefeld University（比勒费尔德大学）；Honda Research Institute Europe（本田欧洲研究所）
本文提出MMM分数与基于LLM的意图反馈机制，用于量化并减少人类教师与机器人学习者之间的心智模型失配；150人实验证明其优于表现反馈和无反馈。
2025-01-08 cs.HC cs.RO
SHRIMP: Iterative Refinement of Robot Task Plans
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
针对协作机器人任务计划的语义歧义与透明度不足问题，提出SHRIMP系统，可通过自然语言生成分层机器人原语计划并迭代修正，经35人用户研究验证其能提升用户感知控制与机器人透明度。
2026-10-27 cs.HC cs.RO
REACT: Two Datasets for Analyzing Both Human Reactions and Evaluative Feedback to Robots Over Time
Yale University（耶鲁大学）
本研究构建了包含协作游戏与摄影场景的REACT人机交互数据集，分析发现交互历史会影响人类对机器人的反应，提出未来HRI隐性反馈解读模型需考虑该因素，为相关研究提供数据支撑。
2024-01-31 cs.HC cs.RO
ArUcoGlide: a Novel Wearable Robot for Position Tracking and Haptic Feedback to Increase Safety During Human-Robot Interaction
Skolkovo Institute of Science and Technology（斯科尔科沃科学技术学院）
本文提出ArUcoGlide可穿戴机器人框架，融合标记跟踪、触觉反馈与APF避碰算法，在共享空间协作实验中缩短操作时间并增大人机安全距离。
2023-07-17 cs.HC cs.RO
Design and Integration of Thermal and Vibrotactile Feedback for Lifelike Touch in Social Robots
ETH Zürich（苏黎世联邦理工学院）；University of Glasgow（格拉斯哥大学）
本文提出了一种集成热能和振动触觉反馈的多模态触觉原型，用于增强社交机器人的情感互动能力，通过模拟生物生理信号提升拟人化触觉体验。
2025-12-19 cs.HC cs.RO
A Scoping Review and Experimental Study on Reinforcement Learning from Human Feedback for Human-Robot Collaboration
DLR Institute for AI Safety and Security（德国航空航天中心人工智能安全与安保研究所）
本研究通过范围综述和VR实验，探讨RLHF在人机协作中的应用，发现用户发起的反馈比系统发起的反馈更能有效捕捉感知安全性，强调反馈时机对AI安全的重要性。
2026-10-08 cs.AI 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
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
Hearing the Robot's Mind: Sonification for Explicit Feedback in Human-Robot Interaction
本研究提出一种传达机器人内部状态的声化方法以增强人机交互中的显式听觉反馈，通过在线和现场实验评估发现其能提升沟通效果，但听觉设计仍需改进以优化用户体验。
2024-11-14 cs.RO
Rethinking the Implications of Human Feedback for Preference Learning in Human-Robot Collaboration
Yale University（耶鲁大学）
本研究针对人机协作中偏好学习，提出IMPLIED方法，通过建模人类反馈的蕴含关系，改进奖励模型学习，提高行为适应性。
2026-09-15 cs.AI cs.HC cs.RO
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
Robotic Exercise Trainer: How Failures and T-HRI Levels Affect User Acceptance and Trust
Ben-Gurion University of the Negev（内盖夫本-古里安大学）
身体活动对健康和幸福很重要，但只有少数人符合世界卫生组织的身体活动标准。机器人运动训练器的开发可以帮助增加训练的可及性和动力。用户的接受和信任是成功实现这种辅助机器人的关键。这可能会受到机器人系统的透明度和机器人性能的影响，特别是它的故障。该研究提出了一个初步的调查的透明度水平相关的任务，人类，机器人和互动（T-HRI），与机器人的行为进行了相应的调整。在部分实验过程中机器人性能的故障允许分析与故障相关的T-HRI水平的影响。在机器人的表现中经历失败的参与者表现出比那些没有经历这种失败的人更低的接受和信任水平。此外，T-HRI水平和参与者群体之间的接受措施存在差异，这为未来的研究提出了几个方向。
2022-09-04 cs.RO
A Knowledge Driven Approach to Adaptive Assistance Using Preference Reasoning and Explanation
Franklin & Marshall College（富兰克林与马歇尔学院）；Massachusetts Institute of Technology（麻省理工学院）；Occidental College（西方学院）
社会辅助机器人（SAR）需要通过解释其推理来提供其行为的透明度。此外，推理和解释应该代表用户的偏好和目标。为了满足这种可解释的推理和表示的需要，我们建议机器人使用类比心理理论来推断用户正在尝试做什么，并使用提示引擎根据用户正在尝试做什么来找到适当的帮助。如果用户不确定或困惑，机器人会向用户提供由解释合成器生成的解释。解释帮助用户理解机器人对用户偏好的推断，以及机器人为什么决定提供它所提供的帮助。知识驱动的方法提供了关于偏好、帮助和解释的推理的透明度，从而促进了用户反馈的结合，并允许机器人学习和适应用户。
2020-12-05 cs.AI cs.HC cs.RO
Enhanced Visual Feedback with Decoupled Viewpoint Control in Immersive Humanoid Robot Teleoperation using SLAM
University of Tsukuba（筑波大学）；Universite de Picardie Jules Verne（皮卡第儒勒·凡尔纳大学）；National Institute of Advanced Industrial Science and Technology (AIST)（日本产业技术综合研究所）
在沉浸式人形机器人遥操作中，存在三个主要缺点，可以改变视觉反馈的透明度：由于网络通信延迟或缓慢的机器人关节运动，操作员的头部和机器人的头部之间的运动滞后。该等待时间可能导致视觉反馈中的显著延迟，这危害实施例质量，可能导致头晕，并且影响交互性，导致操作者频繁的运动暂停以使视觉反馈稳定;（ii）摄像机的视场（FOV）与耳机的视场（FOV）之间的失配，前者通常具有较低的FOV;以及（iii）人类和机器人的颈部运动范围之间的不匹配，后者通常也较低。为了利用这些缺点，我们为人形平台开发了一种解耦的视点控制解决方案，该解决方案允许低延迟的视觉反馈，并人为地增加相机的FOV范围以匹配操作员的耳机。我们的新解决方案使用SLAM技术来增强重建网格的视觉反馈，补充机器人视觉反馈未覆盖的区域。视觉反馈作为点云实时呈现给操作员。因此，操作员通过观察点云的姿态，从机器人的头部方向获得实时视觉。在基于虚拟现实的遥操作系统中，考虑到控制系统的安全性和鲁棒性，平衡这种感知和沉浸是很重要的。实验结果表明了该方法的有效性。
2022-11-03 cs.RO
Communicating Inferred Goals with Passive Augmented Reality and Active Haptic Feedback
Virginia Tech（弗吉尼亚理工大学）
针对人类遥操作机器人时难知晓机器人推断结果的问题，提出结合被动AR可视化与主动触觉腕带提示的多模态反馈框架，可提升人类教机器人的效率并减少交互时长。
2021-09-03 cs.RO
Actor-Critic Reinforcement Learning with Simultaneous Human Control and Feedback
University of Alberta（阿尔伯塔大学）
本文首次研究了不同的人类用户如何在人机交互过程中同时提供控制和反馈信号。作为这项工作的一部分，我们正式提出了一个通用的交互式学习框架，人类和强化学习代理之间的在线合作。在许多人机交互环境中，复杂半自治系统的自由度与人类控制通道的数量之间存在越来越大的差距。需要简单的人类控制和反馈机制来缩小这一差距，并允许人类和机器在复杂任务上更好地协作。为了更好地通知并发控制和反馈接口的设计，我们提出了实验结果，从人-机器人协作域，其中人类必须同时提供控制和反馈信号，以交互方式训练的演员-评论家强化学习机器人。我们比较了三种实验条件：1）人类提供的控制信号，2）奖励整形反馈信号，3）同时控制和反馈。我们的研究结果表明，受试者提供较少的反馈时，同时提供反馈和控制信号和控制信号的质量并没有显着降低。我们的数据表明，受试者也可能会修改他们提供反馈的时间和方式。通过本研究提供的算法开发和调整，我们预计机器人代理的半自主行动可以通过人类反馈更好地塑造，从而实现无缝协作并提高困难交互领域的性能。
2017-03-15 cs.AI cs.HC cs.RO
Effect of Adaptive Communication Support on LLM-powered Human-Robot Collaboration
University of Southern California（南加州大学）
针对传统人机协作中固定通信方案限制适应性的问题，提出带多模态语言反馈的HRT-ML框架，通过协调器和管理器动态调整反馈频率与内容，实验表明其能提升复杂任务性能，但超主动反馈在LLM能力外会起反作用。
2025-02-11 cs.AI cs.HC cs.RO
Designing Personalized Interaction of a Socially Assistive Robot for Stroke Rehabilitation Therapy
Carnegie Mellon University（卡内基梅隆大学）；Instituto Superior Técnico, Universidade de Lisboa（里斯本大学高等理工学院）；Madeira Interactive Technology Institute, University of Madeira（马德拉大学马德拉交互技术研究所）
社会辅助机器人的研究有可能增加和协助神经和肌肉骨骼问题（如中风）患者的物理治疗。在物理治疗过程中，生成个性化反馈对于提高患者的参与度至关重要。然而，以前的工作，社会辅助机器人物理治疗主要利用预定义的纠正反馈，即使患者有各种身体和功能的能力。本文提出了一种交互式的方法，社会辅助机器人，可以动态地选择运动学特征的评估对个别病人的练习，以预测运动的质量，并提供个性化的机器人运动教练的互动患者特定的纠正反馈。
2020-07-13 cs.HC cs.LG cs.RO
Large Language Models Enable Automated Formative Feedback in Human-Robot Interaction Tasks
University of Colorado Boulder（科罗拉多大学博尔德分校）
本研究提出将大型语言模型与形式化分析结合，为HRI任务生成易理解的形成性反馈，以帮助非专家学习者提升任务表现。
2024-05-25 cs.RO
Feedback and Control of Dynamics and Robotics using Augmented Reality
University of New Mexico（新墨西哥大学）
人机交互（HMI）和人机交互（HRI）可以在实验室和现场辅助结构监测和结构动力学测试。在振动实验中，产生振动的一种方式是使用电动激振器。手动控制是操作员设置励磁机输入的常用方式。为了测量对这些产生的振动的结构响应，将传感器附接到结构。这些传感器可以由具有高耐力的可重复机器人部署，这需要实时控制。如果操作员和控制器之间的界面得到增强，那么操作员可以可视化实验，激励水平，并定义机器人输入，更好地了解感兴趣的区域。机器人可以为人类提供更好的帮助，如果机器人的智能飞行控制是：（1）量化并呈现给人类;（2）实时进行人类反馈数据。新界面提供的信息将用于根据他们对实时参数的理解来改变控制输入。本研究提出使用增强现实（AR）应用程序为人类提供传感器反馈和执行器和机器人的控制。该方法通过允许操作员保持对结构的认识，同时在新的实时界面的帮助下相应地调整条件来提高认知。开发了一个接口应用程序，用于绘制传感器数据以及振动生成的电压、频率和持续时间控制。在类似的框架下开发了另外两个应用程序，一个用于控制中介机器人的位置，另一个用于控制机器人运动的频率。本文提出了新的控制回路的建议模型，然后通过测量控制输入和用户效率的时间延迟，将新方法与传统方法进行比较。
2023-03-23 cs.HC cs.RO cs.SY
TEGA: A Tactile-Enhanced Grasping Assistant for Assistive Robotics via Sensor Fusion and Closed-Loop Haptic Feedback
Department of Civil and Coastal Engineering, University of Florida（土木与海岸工程系，佛罗里达大学）；Nvidia（英伟达）
TEGA通过融合EMG意图到力推断与触觉传感，提供闭环触觉反馈，提升残疾用户抓取稳定性与任务成功率。
2026-03-05 cs.RO
Enhancing Human-Robot Collaboration Transportation through Obstacle-Aware Vibrotactile Feedback
University of Genoa（热那亚大学）；Istituto Italiano di Tecnologia（意大利理工学院）
针对人机协作搬运大型物体时人类操作者视线受阻、态势感知不足的问题，提出基于激光雷达检测与振动触觉腰带的环境感知模块，可反馈障碍物位置与距离，实验验证其能帮助非专业用户在有隐藏障碍的未知环境中安全主导协同运输。
2023-08-24 cs.RO
AirTouch: Towards Safe Human-Robot Interaction Using Air Pressure Feedback and IR Mocap System
Skolkovo Institute of Science and Technology (Skoltech)（斯科尔科沃科学技术研究院（Skoltech））
本文提出一种结合红外摄像头、可穿戴标记和气流势场的安全人机交互系统，通过受控气流形成物理屏障引导人类远离机器人危险区域，实验证明其能显著提高参与者保持安全距离的能力。
2023-07-31 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
Haptic Feedback Improves Human-Robot Agreement and User Satisfaction in Shared-Autonomy Teleoperation
Boston University（波士顿大学）
共享自主遥操作可以保证安全，但这样做通过减少人类操作员的控制权限，这可能会导致降低水平的人-机器人协议和用户满意度。本文提出了一种新的触觉共享自主遥操作范式，使用触觉反馈通知用户的内部状态的共享自主范式，同时仍然保证安全。这与触觉共享控制不同，触觉共享控制使用触觉反馈来通知用户的动作，但是给予人类操作员对机器人的动作的完全控制。我们进行了一项用户研究，其中12名用户驾驶一架模拟无人机在搜索和救援任务中没有任何帮助或帮助提供的触觉共享控制，共享自主权，或触觉共享自主权。所有的辅助遥操作方法都使用控制屏障功能来找到既安全又尽可能接近人类生成的控制命令的控制命令。对于具有触觉反馈的辅助遥操作条件，我们向用户施加与人类生成的控制和安全控制之间的差异成比例的力。我们发现，触觉共享的自主性提高了用户的任务性能和满意度。我们还发现，辅助遥操作中的触觉反馈可以提高用户的态势感知。最后，结果表明，加入触觉反馈共享自主遥操作可以提高人与机器人的一致性。
2021-03-05 cs.RO cs.SY eess.SY
Exercising with an "Iron Man": Design for a Robot Exercise Coach for Persons with Dementia
School of Information Technology, Halmstad University（哈尔姆斯塔德大学信息技术学院）
社会辅助机器人越来越多地被设计成在各种治疗场景中与人类互动。我们认为，一个有用的方案是为痴呆症患者（PwD）提供运动指导，这涉及到与记忆和沟通有关的独特挑战。我们提出了一个机器人的设计，可以寻求帮助残疾人进行练习，通过识别行为和提供反馈，在一个在线的，多模态的，和从事的方式。此外，在符合中保真原型设计方法，我们报告的一些反馈，从探索性的用户研究使用Baxter机器人，它提供了一些确认的有用性的一般情况下，此外，结果表明，机器人的反馈程度可以定制，以提供注意力或乐趣的印象。概述了未来改进的局限性和可能性，涉及深度学习和触觉反馈，为下一个设计提供信息。
2019-09-26 cs.CY cs.RO
Dual-modal Tactile E-skin: Enabling Bidirectional Human-Robot Interaction via Integrated Tactile Perception and Feedback
Tsinghua-Berkeley Shenzhen Institute（清华-深圳伯克利研究院）；Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）；School of Electronic Information, Wuhan University（武汉大学电子信息学院）；Department of Electrical, Computer and Biomedical Engineering, Ryerson University（瑞尔森大学电气、计算机与生物医学工程系）
本文提出一种集成磁触觉感知与振动反馈的双模态电子皮肤，实现双向人机交互，支持物体识别与精细称重，提升交互沉浸感与效率。
2024-02-08 cs.RO eess.SP
Transparency in Multi-Human Multi-Robot Interaction
Worcester Polytechnic Institute（伍斯特理工学院）
透明度是提高人机交互性能的关键因素。透明的界面使人类能够了解机器人的状态，并评估手头任务的进度。当涉及多个机器人系统时，透明度是一个更大的挑战，因为影响机器人整体行为的变量数量更大。当单个操作员与多个机器人交互时，已经投入了大量的精力来研究透明度。然而，透明性的研究，集中在多个人类操作员与多机器人系统进行交互是有限的。本文的目的是填补这一空白，提出了一个人群交互界面的图形元素，可以启用和禁用。通过这个界面，我们通过比较四种“透明度模式”来研究哪些图形元素有助于透明度：（一）不透明（没有操作员从机器人接收信息），（ii）中央透明度（操作员只接收与其个人任务相关的信息），（iii）外围透明度（操作者共享关于彼此任务的信息），以及（iv）混合透明度（中央和外围两者）。我们报告的结果，在意识，信任和工作量的用户研究涉及18名参与者从事一个复杂的多机器人任务。
2021-05-14 cs.HC cs.MA cs.RO
Barrier functions enable safety-conscious force-feedback control
MIT（麻省理工学院）；MIT-IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室）；IBM（国际商业机器公司）
为了成为人类的有效合作伙伴，机器人必须越来越适应与环境的接触。不幸的是，机器人很难区分“足够”和“太多”的力量：完成任务需要一些力量，但太多可能会损坏设备或伤害人类。传统的设计柔顺力反馈控制器的方法，如刚度控制，需要手动调整控制参数，使其难以建立安全，有效的机器人协作。在本文中，我们提出了一种新的但易于实现的力反馈控制器，使用控制障碍函数（CBFs），直接从用户的最大允许力和扭矩的规格来获得一个兼容的控制器。我们比较我们的方法，传统的刚度控制，以证明我们的控制架构的潜在优势，我们证明了我们的控制器上的一个例子人-机器人协作任务的有效性：合作操作的一个庞大的对象。
2022-09-25 cs.RO cs.SY eess.SY
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
"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
Older Adults' Preferences for Feedback Cadence from an Exercise Coach Robot
Carnegie Mellon University（卡内基梅隆大学）；Robotics Institute（机器人研究所）
研究探讨老年人对健身教练机器人不同节奏反馈的偏好，发现改变反馈节奏会影响两种模式的感知，为优化反馈频率提供依据。
2026-01-13 cs.HC cs.RO
Beyond Visuals: Investigating Force Feedback in Extended Reality for Robot Data Collection
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
本研究通过用户实验探究扩展现实中力反馈对机器人数据采集的影响，发现其能提升任务表现和用户体验，尤其在高精度操纵任务中，且效果因控制界面和任务复杂度而异。
2025-03-26 cs.HC cs.RO
EnchantedClothes: Visual and Tactile Feedback with an Abdomen-Attached Robot through Clothes
Keio University（庆应义塾大学）
本研究提出一种穿戴于腹部的可穿戴机器人，通过视觉与触觉反馈实现穿戴者与周围人的交流，贡献在于新型机器人及其交互方式。
2024-11-07 cs.HC cs.RO
Progressive Disclosure: Designing for Effective Transparency
随着我们越来越多地将重要决策委托给智能系统，用户必须了解算法决策是如何做出的。以前的工作往往采取以技术为中心的方法来提高透明度。相比之下，我们探索以用户为中心的经验方法，以更好地了解用户对透明系统的反应。我们在两项研究中评估了用户对全局和增量反馈的反应。在研究1中，用户预期更透明的增量系统会表现得更好，但在使用该系统后撤回了这一评价。定性数据表明，这可能是因为增量反馈分散注意力，破坏了用户对系统操作的简单理解。研究2深入探讨了这些影响，表明用户可能会受益于最初简化的反馈，隐藏潜在的系统错误，并帮助用户建立工作系统操作的技巧。我们利用这些发现来激励新的渐进披露原则，以提高智能系统的透明度。
2018-11-06 cs.HC
Vibrotactile Feedback for a Remote Operated Robot with Noise Subtraction Based on Perceived Intensity
Tohoku University（东北大学）
针对远程操作机器人自身运动振动噪声干扰触觉反馈的问题，本文提出基于感知强度的噪声消除方法，构建符合人类感知的滤波器，在消除自身噪声的同时保留关键触觉信号，提升操作员触觉反馈的准确性与可靠性。
2024-11-07 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
Maximizing BCI Human Feedback using Active Learning
Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系）
\textit{Learning from Human Feedback}的最新进展提供了一种通过非专家人类的输入来训练机器人代理的有效方法，而无需专门设计的奖励函数。然而，这种方法需要人在机器人学习过程中在场并专心提供评价性反馈。此外，所需的反馈量随着任务难度的增加而增加，并且由于疲劳，人类反馈的质量可能会随着时间的推移而下降。为了克服这些限制并能够学习更多复杂性更高的机器人任务，需要最大限度地提高接收到的昂贵反馈的质量并减少所需的人类认知参与量。在这项工作中，我们提出了一种方法，使用主动学习智能地选择查询的人类主管的机器人的不确定性的基础上，有效地减少了学习给定的任务所需的反馈量。我们还使用了一种新的多缓冲系统，以提高反馈噪声的鲁棒性和防止灾难性遗忘的机器人学习的发展。与以前的方法相比，这使得使用更少的人类反馈来学习更复杂的任务成为可能。我们证明了我们提出的方法的实用性，机器人手臂达到的任务，机器人学会在3D中到达一个位置，而不会与障碍物碰撞。与以前不使用主动学习的方法相比，我们的方法能够更快地学习这项任务，减少人类反馈和认知参与。
2020-08-11 cs.HC cs.RO
Effects of Wrist-Worn Haptic Feedback on Force Accuracy and Task Speed during a Teleoperated Robotic Surgery Task
提出将触觉反馈转移至腕部以避免阻碍手部操作，实验表明腕戴式触觉反馈在遥操作机器人手术中显著降低了施力误差，但延长了任务时间。
2025-07-09 cs.HC cs.RO
Real-Time Service Robot Replanning via Simple Button Interaction for Improved Task Success and User Experience
Kyushu Institute of Technology（九州工业大学）；Research Center for Neuromorphic AI Hardware（神经形态AI硬件研究中心）
针对服务机器人无法检测所有任务失败的问题，提出基于平板单按钮的实时人工反馈机制，使机器人据此重规划动作，实验证明该功能同时提升任务成功率与用户体验。
2026-09-17 cs.HC cs.RO
An emotional expression system with vibrotactile feedback during the robot's speech
Nagoya Institute of Technology（名古屋工业大学）；Inamori Research Institute for Science（稻盛科学研究所）
本研究开发了一种系统，在机器人语音时根据文本情感内容（通过GPT-4o Mini提取效价和唤醒度）控制振动触觉反馈的振幅和频率，实验表明该反馈能影响心理状态和亲密程度。
2024-11-07 cs.HC 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
Nonverbal Robot Feedback for Human Teachers
University of California, Berkeley（加州大学伯克利分校）
机器人可以从人类的演示中学习偏好，但它们的成功取决于这些演示的信息量。不幸的是，提供信息是非常具有挑战性的，因为在教学过程中，人们通常无法透明地了解机器人已经知道或已经学到了什么。相比之下，人类学生自然会提供丰富的非语言反馈，以揭示他们的理解和参与程度。在这项工作中，我们研究了机器人如何能够同样地提供具有最小破坏性的反馈，但却为人类教师提供了一个更好的机器人学习者的心理模型，从而使他们能够更有效地教学。我们的想法是，在任何时候，机器人都可以指出它认为正确的下一步行动是什么，从而揭示它对人类偏好的当前估计。我们分析了这种反馈是多么有用，无论是在理论上和两个用户的研究-一个与虚拟角色，测试反馈本身，一个与PR 2机器人，使用凝视作为反馈机制。我们发现，反馈可以是有用的，提高教学质量和教师的机器人的能力的理解。
2019-11-06 cs.HC cs.LG cs.RO
The Effect of Transparency on Students' Perceptions of AI Graders
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Utah State University（犹他州立大学）
本研究探讨透明度如何影响学生对AI评分系统的看法，发现透明度提升了学生对评分准确性的感知，但未显著提高学生接受评分的意愿。
2026-10-12 cs.HC
Simultaneous Control and Human Feedback in the Training of a Robotic Agent with Actor-Critic Reinforcement Learning
University of Alberta（阿尔伯塔大学）
本文提供了一个初步的报告，同时将人类控制和反馈信号的训练强化学习机器人代理的优点和缺点。虽然机器人人机界面在形式和功能上都变得越来越复杂，但控制对用户来说仍然是一个挑战。这导致用户控制方法与可控制的机器人电机数量之间的差距越来越大。解决这一差距的一种方法是将一些自主权转移给机器人。然后，机器人代理的半自主动作可以通过人类反馈来塑造，从而简化用户控制。大多数关于人类智能体塑造的先前工作都将训练与反馈结合起来，或者包括间接控制信号。相比之下，在本文中，我们将探讨如何一个人可以提供并发的反馈信号和实时肌电控制信号训练机器人的演员评论强化学习控制系统。使用物理和模拟的机器人系统，我们比较一个简单的运动任务的训练性能时，奖励是来自环境，奖励是由人类提供的，以及这两种方法的组合。我们的研究结果表明，一些好处，可以获得与包括人类产生的反馈。
2016-06-22 cs.AI cs.HC cs.RO
Long-Term, in-the-Wild Study of Feedback about Speech Intelligibility for K-12 Students Attending Class via a Telepresence Robot
New Mexico State University（新墨西哥州立大学）；San Jose State University（圣何塞州立大学）；University of Southern California（南加州大学）
远程呈现机器人为远程用户提供了存在，体现和移动性，使其成为在家K-12学生的有前途的选择。然而，机器人操作员很难知道他们在遥远和嘈杂的教室环境中被听到的程度。一种解决方案是估计操作者对他们的听众的语音可懂度，以便向操作者提供关于它的反馈。这项工作有助于第一次评估的语音清晰度反馈系统在家K-12学生远程上课。在我们的四次长期野外部署中，我们发现学生以不同的音量说话，而不是调整机器人的音量，并且需要详细的音频校准和网络延迟反馈。我们还贡献了第一个发现的类型和频率的多模态理解线索给在家的学生在课堂上的听众。通过对700多条线索的注释和分类，我们发现最常见的线索形式是会话的话轮时间和言语内容。会话轮时间线索发生更频繁的整体，而口头内容线索包含更多的信息，可能是最常见的形式为负面线索。我们的工作为远程呈现系统提供了建议，这些系统可以进行干预，以确保远程用户被听到。
2021-08-24 cs.HC cs.RO
The Impact of VR and 2D Interfaces on Human Feedback in Preference-Based Robot Learning
Humanoid Robots Lab, University of Bonn, Germany（波恩大学人形机器人实验室）；Division of Robotics, Perception and Learning, KTH Royal Institute of Technology, Sweden（皇家理工学院机器人、感知与学习部门）；Robotics Institute Germany（德国机器人研究所）；The Lamarr Institute, Bonn, Germany（德国波恩拉玛尔研究所）；Center for Robotics, University of Bonn, Germany（德国波恩机器人中心）
本文构建含2,325条查询的VR与2D人类偏好数据集，系统比较两种界面在偏好一致性、用户体验及导航策略对齐上的差异。
2025-10-18 cs.HC cs.RO
RoboBlockly Studio: Conversational Block Programming with Embodied Robot Feedback for Computational Thinking
Xi'an Jiaotong-Liverpool University（西安交通大学利物浦大学）
本文提出RoboBlockly Studio，结合积木编程、对话AI教学代理和具身机器人执行，通过迭代循环提升学生计算思维能力，探讨AI与机器人在教育中的应用。
2026-05-12 cs.HC cs.RO
An Experimental Modular Instrument With a Haptic Feedback Framework for Robotic Surgery Training
School of Engineering and Physical Sciences（工程与物理科学学院）
本文提出一种集成实时触觉反馈框架的模块化机器人腹腔镜仪器，通过腕部力/扭矩传感器估计工具-组织相互作用力，提升手术培训中的触觉反馈效果。
2026-04-30 cs.HC cs.RO cs.SY
Humanizing AI Grading: Student-Centered Insights on Fairness, Trust, Consistency and Transparency
North Carolina State University（北卡罗来纳州立大学）
本研究通过比较AI与人工评分反馈，探讨学生对AI评分系统在公平性、信任、一致性与透明性方面的看法，并提出人本化AI的设计原则。
2026-02-22 cs.AI cs.HC
